一种基于综合特征向量的图像检索算法

针对传统图像检索算法依赖于图像单一特征向量、无法体现用户个人感知的不足,提出一种基于综合特征向量的图像检索算法。该算法通过对图像单一特征向量的归一化处理获取图像综合特征向量,采用体现不同特征向量检索权重的加权欧氏距离进行相似性度量,并可根据交互检索过程中用户对检索权重的调整更新检索结果。实验表明,该算法可取得较理想的检索效果。     

基于内容图像检索中的综合特征归一化方法

传统的基于内容的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征,检索效果往往不够理想。基于综合特征的图像检索应用日益广泛,本文在图像特征向量和在某特征上的相似距离的归一化方面进行了一定的探讨与研究,给出了一种综合特征归一化方法,并将其作为两图像相似性度量依据。     

一种新的多特征融合图像检索方法

为解决图像检索中单一特征检索性能不佳、多特征融合耗时的问题,提出了一种新的融合颜色特征和形状特征的图像检索方法。检索过程分为两个阶段:首先对图像进行圆环分块,提取图像整体和各圆环子块颜色特征向量,以特征向量间距离大小为准则对图像库分类;然后在类内提取图像的ART形状描述符作为形状特征进行相似性度量以实现检索。形状特征提取只在某一类内进行,减小了运算量,同时弥补了颜色特征对图像空间信息丢失的不足,提高了检索准确率。仿真实验取得了较好的检索效果。     

基于多核学习的GIST全局和SIFT局部特征融合遥感图像检索方法

针对遥感图像快速准确的检索问题,利用多核学习(Multiple Kernel Learning,MKL)算法融合全局GIST(Generalized Search Tree)特征和局部SIFT(Scale-invariant feature transform)特征开展遥感影像的检索方法研究。首先提取图像的全局GIST特征,然后通过SIFT特征的改进方法提取局部SIFT特征,利用特征融合的方法得到单一的特征向量,再通过多核学习的算法得到最优解,返回最终的检索结果。在遥感图像数据集上的检索实验表明,对比单一特征的图像检索算法,该方法能够提高检索准确率。     

基于目标区域颜色与纹理特征的图像检索

该文提出一种基于目标区域的图像检索方法。该方法首先利用色度直方图完成对图像目标区域的提取；然后以目标区域的纹理特征作为全局图像的特征向量进行图像间相似度的检索。该方法综合利用了图像的颜色及纹理特征，并根据人的视觉习惯以图像目标区域的特征作为图像的检索特征。实验表明，该方法在检索效果和检索效率上都优于利用单一特征或全局特征的检索技术。     

基于高斯公式的图像特征匹配算法研究

在基于内容的图像检索系统中,图像特征匹配是一个影响检索效率的重要算法.对提取的特征信息进行分析,并通过高斯公式对特征向量进行归一化处理,分析不同特征间的权值和相似性度量手段,将两种不同方式的检索手段有效地结合在一起,实现图像的有效检索.仿真结果表明,与传统的单一匹配算法相比,图像检索匹配度能得到较大的提高.     

多特征组合和用户反馈的图像检索算法

针对单一特征只能描述图像内容部分信息的缺陷,为获得更高准确率的图像检索结果,设计一种基于多特征组合和用户反馈相融合的图像检索算法.首先提取图像的多种特征,将其组合形成图像检索的特征向量,并采用欧氏距离计算图像间的相似度,实现图像初步检索;然后通过用户对图像初步检索结果进行评价和反馈,并采用机器学习算法根据反馈结果对图像初步检索结果进行调整,实现图像的精确检索;最后采用图像库检索的标准数据进行仿真测试.测试结果表明,该算法获得了稳定的图像检索结果,图像检索准确率明显高于其他算法.     

颜色纹理形状特征分层融合图像检索方法研究

提出了一种基于多特征融合的图像检索方法.此方法同时采用了3个颜色特征向量、3个纹理特征向量、1个形状特征向量.在各个向量融合的过程中,采用了分层融合的思路.针对自建图像数据库展开实验研究,实验结果证实:本文提出的基于多特征融合的图像检索方法具有高查准率,在图像检索领域具有较高的实用性.     

基于综合特征的CBIR系统的设计与实现

目前CBIR系统采用单一特征进行图像检索的效果不是很理想.在单一特征进行图像检索的基础上,结合权值确定技术,提出了一种利用图像综合特征进行检索的方法,并在Visual C++ 6.0中实现了基于此方法的CBIR系统. 实验结果表明,该检索方法可行且在查准率上大大优于单一特征的检索方法.     

基于均值聚类的图像检索技术在数字图书馆中的应用

在数字图书馆的各类数据查询中,图像检索占有十分重要的地位.为了更好地实现图像检索任务,本文建立了一种新的基于内容的图像检索方法.这种图像检索方法先对图像进行模块化,再根据各个图像块计算出其相应的DCT系数并形成特征向量,再通过k-均值聚类方法生成用于最终检索的12维特征向量,最后利用卡方距离进行相似度差异的检测完成图像检索.为了模拟本文方法在数字图书馆中的使用效果,自建了图像检索系统和小型图像数据库.实验结果表明,本文所提出的图像检索方法具有较高的检索准确性,可以用于数字图书馆中的图像检索.     

基于内容的医学图像分类研究

基于内容的医学图像分类是一个复杂的非线性问题,分类器的性能主要取决于提取的特征和模式识别算法。讨论了医学图像基本特征提取方法和多特征融合技术的发展,以及常用的模式分类算法。最后指出了支持向量机在医学图像分类中应用时需要解决的问题。     

基于Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声,保留有用的信息,获得更为可靠的融合图像,将Kalman滤波引入图像融合中,提出基于Kalman滤波与多特征模糊聚类的图像融合算法.该方法结合滤波和多特征优点,实验结果表明了该方法的有效性.     

基于Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声，保留有用的信息，获得更为可靠的融合图像，将Kalman滤波引入图像融合中，提出基于Kalman滤波与多特征模糊聚类的图像融合算法．该方法结合滤波和多特征优点，实验结果表明了该方法的有效性．     

基于边缘检测的多特征智能图像检索模型

提出一种智能图像二级检索模型.第一级检索利用改进的Canny算子和颜色向量角分别检测图像边缘,再基于db2小波进行图像融合得到二值边缘,并运用图像位错率进行边缘信息比较,将相似度大的图像组成一个新的备选图像库,以缩小图像检索范围.然后利用HSI颜色不变量模型改进颜色相关矩阵,加以边缘直方图进行综合特征第二级检索.实验表明该模型能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的准确率和回想率.     

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

基于投票策略的决策融合用于自然图像检索

在基于内容的图像检索中,用图像的多种特征可以很好地弥补单一特征表示图像视觉内容的不足,不同特征表示的视觉信息各不相同,所以在图像检索中对多种特征进行融合有助于提高检索性能。将图像检索看作分类问题,针对图像检索特点修改Borda投票策略,对不同分类器的决策结果通过评分和排序达到决策融合。实验结果证明此方法是可行的。     

融合多特征和谱聚类集成的图像分割方法

针对图像单一特征分割结果的适应局限性,提出融合多特征和谱聚类集成的图像分割方法(MFSC-IS).首先对图像进行基于粒计算的多特征子分割;然后将分割结果映射到超图,利用谱聚类集成算法得到最终分割结果.实验结果表明,与Gpb(Globalized probability of boundary)算法相比,融合多特征和谱聚类集成方法可以得到一个相对较好的分割结果.     

基于PRPD图谱多特征融合的局部放电类型识别研究

局部放电(partial discharge, PD)信号的检测能够为电力系统提供绝缘缺陷诊断和运行状态评估。现有的局部放电类型识别算法难以有效识别相似度较高的绝缘缺陷,限制了其应用范围。为此,提出一种基于PRPD(phase resolved partial discharge)图谱多特征融合的局部放电类型识别算法。该算法利用卷积神经网络(convolutional neural network, CNN)提取局部放电PRPD图谱图像特征,将图像特征与PD信号统计特征进行有效融合,利用融合特征识别局部放电类型。在实验室环境下建立了4种局部放电模型,并进行了模拟对比实验。实验结果表明,相比传统的支持向量机(support vector machine, SVM)和反向传播神经网络(back propagation neural network, BPNN)算法,所提出方法的正确识别率分别提高了12.82%和19.70%,对相似度较高的缺陷类型也能进行有效识别,算法具有较好的鲁棒性。     

基于多种特征的彩色车牌定位方法研究

本文提出了利用车牌颜色特征和纹理特征多种特征结合来进行车牌定位的方法,克服了以往车牌定位技术只利用单一特征进行定位的缺点。文中提出的方法首先利用HSV颜色空间去除非车牌颜色区域,然后利用颜色伴生、字符密度、区域几何等特征结合进行最终精确定位。该方法可以摆脱单一特征在车牌大小、位置以及背景和光照等方面的限制。实验证明本方法具有较好的检测效果。     

基于NSCT和矩阵F-范数的图像检索方法

介绍一种基于非下采样轮廓波Nonsubsampled Contourlet(NSCT)和矩阵F-范数的图像检索(CBIR)技术。首先对图像进行NSCT变换,然后将变换结果用矩阵F-范数构建特征向量,设计了两个特征向量相似度度量,最后给出加权相似度实现了图像检索。实验结果表明,该技术具有很好的检索率。