基于HLC颜色空间的彩色淋巴瘤病理图像自动分割

针对彩色淋巴瘤病理图像的特征，提出基于HLC颜色空间的自动分割方法．该方法首先进行颜色空间转换，将原始图像的RGB颜色空间转换到(Munsell)HLC颜色空间，然后根据NBS距离进行边缘跟踪，根据跟踪结果将图像划分成各个独立区域，最后再利用聚类方法对这些区域进行分类。     

基于视觉颜色聚类的彩色图像分割

根据视觉的颜色聚类特性，提出一种图像分割算法．根据从色彩空间(RGB)到(HLC)的变换公式和NBS颜色距离的概念，首先将彩色图像量化为256或更少量化级，而不使图像质量降低；然后依据NBS颜色距离的概念将色彩分类；最后，根据某种规则将颜色区域进行分块，并删除小的颜色块．给出了静物图像和自然景物图像的实验结果。     

基于对象语义的图像分割和分类方法

提出一种基于对象语义的图像分割和分类方法．建立多层级区域生长算法HRGSeg对图像进行分割，从而去除“弱对象语义”细节，降低过度分割的影响．在此基础上，提取颜色、边缘、纹理等低层次特征作为特征向量，并利用支持向量机建立样本训练机制，实现低层次特征向高层对象语义的映射．实验中，采用层次化分类机制，取得了较理想的结果．     

一种新的彩色图像降维方法

基于内容的图像检索(CBIR)是图像检索的重要分支，而基于颜色的特征提取是CBIR的常用方法之一．如果对图像颜色的特征数提取过多、维数过大，则不利于对图像的快速匹配．本文将图像的色彩直方图作为输入向量，然后采用局部线性映射(LLE)算法对原始数据进行降维，并分别在4种色彩空间下对降维后的彩色图像进行分类．实验证明，在处理非线性数据降维时，LLE较主成分分析(PCA)具有明显的优势．     

基于SVM的图像分类研究

支持向量机（SVM）是一种优秀的分类方法，灰度共生矩阵（GLCM）是一种很好的纹理分析方法；本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响，提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法。实验结果表明SVM方法的可行性和有效性，并得出图像综合特征的提取有利于分类效果的提高。     

基于综合特征的Bp_adaboost工业仪表图像分类方法

针对工业场景图像背景复杂,受多种因素影响、利用单个特征完成工业仪表图像分类不能达到满意效果的问题,提出了一种综合利用图像的颜色和纹理特征,通过Bp_adaboost的方法对工业仪表图像进行分类的方法。首先基于HSV空间进行低阶颜色矩特征提取;然后基于灰度共生矩阵进行纹理特征提取;最后用17维综合特征向量对工业仪表图像进行Bp_adaboost分类学习和测试。实验结果表明,该方法对液位控制系统工业仪表与液位容器设备图像能取得较好的分类结果。     

利用单类支持向量机分割血细胞图像

为了提高白细胞自动识别算法的性能，提出了基于均值移动和单类支持向量机的血细胞图像分割新方法．该方法的原理是将图像中颜色相对稳定的背景和红细胞部分像素作为正训练样本，将颜色复杂多样的白细胞像素作为异常数据检测．均值移动过程用来在红、绿、兰(RGB)颜色空间寻找正训练样本集，通过均匀抽样和颜色量化措施，实现单类支持向量机(SVM)在线实时训练，最终图像像素经过单类SVM分类来实现分割．实验表明，新方法对涂片制备和光照变化导致的图像颜色改变有很好的适应性，图像分割精度优于常用流域算法，而耗时只是后者的1／4。     

基于Dempster-Shafer证据理论的虹膜图像分类方法

为了提高虹膜图像的分类率，提出了一种基于证据理论的虹膜图像分类方法．该方法利用虹膜图像的纹理变化信息来提取虹膜灰度信号的比率特征，并结合证据理论实现了虹膜图像的决策分类，降低了不确定性因素对图像分类的影响，提高了分类率．在相同的实验条件下，对不同数量的虹膜图像进行了实验验证，结果表明，该方法在保持了分类稳定性的同时，其分类率比直方图交叉分类方法和直方图比率特征分类方法分别提高了6．96％和4．44％．     

基于图像颜色特征检索技术的材料腐蚀监测系统

材料腐蚀监测是利用视频技术、计算机图像处理技术、模式识别技术对材料外观腐蚀图像进行检测、处理及管理．文中针对材料腐蚀图像的颜色特征，用颜色直方图、颜色一致向量和颜色相关图方法实现材料腐蚀图像统计特征的提取，用加权欧氏距离来描述材料腐蚀图像的相似性，实现了材料腐蚀图像内容的匹配及检索．     

基于颜色特征相似性度量的包装图配色检索研究

色彩是包装设计中重要的设计元素，为了提供更多的包装案例配色参考，本课题提出了基于颜色特征的包装配色检索研究。选择HSV颜色空间量化图像，采用颜色特征直方图法提取图像特征和图像相似性度量。建立8种色彩情感图像资源库，采用基于PCA方法实现色彩情感图像库的分类判别。实验中根据输入的关键图，进行分析判断，并从图像库中输出相同色彩情感的图像，实验结果表明本文提出的方法能获得较准确的结果。     

多特征融合及SVM相关反馈技术在教育资源图像检索中的应用

首先介绍了教育资源图像检索系统的结构模型和基本模块,然后介绍了图像特征提取技术,在颜色特征提取中主要应用了分块直方图法,在纹理特征提取中应用了Gabor小波变换法,在形状特征提取中主要应用了不变矩法,通过3种特征的权重分配将多特征融合进行图像初次检索,然后采用基于SVM的相关反馈技术进行多次检索。实验证明,多特征融合和相关反馈技术的引入有效提高了教育资源中图像检索的查准率。     

一种用于图像检索的幂归一化深度卷积特征加权聚合方法

针对图像检索中基于部位的加权聚合(PWA)方法存在的视觉突发问题,提出一种幂归一化的深度卷积特征加权聚合方法。首先简化了原PWA方法中用于确定空间权重的归一化和幂变换操作,直接将所选择的有区分性的通道特征图作为空间权重矩阵,然后引入新的幂变换函数并选取合适的参数对加权聚合后的通道响应进行归一化处理,最后通过PCA降维和白化处理形成图像的全局特征表示形式。在4个标准数据库上的图像检索实验结果表明,该方法能有效调节PWA聚合特征响应的突发度并提高图像检索的准确率。     

唐卡图像线条轮廓检索方法

各种媒体中唐卡图像越来越普遍,有效地对唐卡图像进行检索变得至关重要。提出一种唐卡图像检索方法:首先提取唐卡图像的线条画,对线条画线条提取Gabor特征并存储在特征库中;用特征二次式距离的方法对待检索图像线条画的线条特征和特征库进行相似性检测,找出相似唐卡。实验证明该方法检测精确度较高,能较好地检索到唐卡图像。     

基于兴趣点特征的图像检索方法

针对全局图像特征无法刻画图像类别信息的缺陷,提出一种基于兴趣点特征的图像特征检索方法.首先对图像进行仿射-尺度不变特征转换,并利用亮度的概率密度梯度提取兴趣点;然后将兴趣点映射回原始图像,采用颜色直方图作为图像特征;最后采用相似性度量模型,实现图像检索.选择Corel图像库中的图像对算法性能进行实验分析.实验结果表明,该方法可有效提高图像的检索准确率和检索效率,快速找到用户需要的图像.     

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.     

基于颜色空间特征的图像检索

针对基于内容的图像检索技术大多采用颜色特征的情况,提出一种通过提取颜色特征、灰度特征,获取图像物体的形状和空间特征,综合检索图像的方法.实验结果表明,这种方法具有一定的鲁棒性,检索结果不受图像大小、旋转和轻微的光照变化的影响,相对于传统的颜色直方图法,这种方法能明显改善检索效果.     

基于综合特征的彩色图像检索

本文综合利用颜色和形状特征进行基于内容的彩色图像检索.利用边缘方向自相关图表示图像的形状特征.对于颜色特征,计算图像颜色的局部累加直方图,同时提取分块的颜色矩弥补其不包含颜色空间分布关系的缺点.并利用Guassian模型对各特征的距离进行归一化,综合上述三个归一化距离,进行全局相似度量,且用权值调整的相关反馈方法进一步提高检索精度.与局部累加颜色直方图和局部颜色矩的方法相比较,本文提出的方法获得了更好的检索结果.     

Contourlet-1.3广义高斯模型纹理图像检索系统

为了提高基本轮廓波变换纹理图像检索系统的检索率,提出一种基于contourlet-1.3的纹理图像检索系统.该系统将广义高斯模型参数级联构造特征向量,采用Kullback-Leibler距离来衡量纹理图像之间的相似性.结果表明:在特征向量长度、检索时间、所需内存相同的情况下,contourlet-1.3广义高斯模型比同样架构的基本轮廓波变换检索系统具有较高的检索率.而且,在计算复杂度相当的情况下,广义高斯模型与KLD距离相结合,检索率高于能量特征和欧氏距离相结合的情况.     

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.