基于文本的图像检索与基于内容的图像检索技术的比较研究

随着互联网的快速发展及各种数字化设备的普及,现代数字社会中的图像信息的数量在迅猛增长,图像信息的检索技术的研究得到了越来越多的关注.本文介绍了基于文本的图像检索技术与基于内容的图像检索技术,比较研究了这两种技术的不同的特点,指出综合运用TBIR和CBIR共同检索Web图像.     

基于视觉注意力机制的图像检索研究

信息技术的发展使各种图像信息日益膨胀,如何从中找到重要的信息一直是机器视觉和信息处理研究中长期面临的重要问题。将视觉注意力机制引入到图像分析领域,则能获得高效的检索能力。本文首先介绍了视觉注意力、视觉注意力计算模型及研究现状,其次分析了图像中引入视觉显著性的必要性和重要性,论述了图像视觉显著性的层次、显著性特征的选择及度量;最后给出了有待研究的重点问题。     

一种基于近邻半监督聚类算法的图像检索系统研究

为了解决基于内容的图像检索（content-Based Image Retrieval,CBIR）中存在的“语义鸿沟”问题,本文提出了一种CBIR检索模型,在模型中使用了基于近邻传播的半监督聚类算法和语义传播的算法,通过近邻半监督算法对图像库中的图像进行聚类,根据示例图像的视觉特征相似度在对应的聚类图像中进行相似度检索,在检索的结果中根据用户提供的关键字进行关键字标注检索,最后根据用户的反馈,通过语义传播算法对图像库中的图像进行自动语义标注．实验表明丈中的模型是可行的,其检索效果受到反馈次数的影响．     

基于代表色特征的图像检索

基于内容的图像检索（CBIR，Content-based Image Retrieval)在多媒体检索中得到越来越多的重视，本文提出了一种基于图像颜色特征的图像检索方法，在经过变形的HSL颜色模型空间，通过适当的聚类分析算法提取出能够代表图像颜色特征的代表色集，并引入代表色的分布特征和纹理特征，作为图像的特征矢量进行匹配检索，在试验中本方法取得了较好的试验结果。     

利用改进曲波变换特征提取的 CBIR 算法

针对Gabor变换(Gabor transform,GT)和使用àtrous小波变换(wavelet transform,WT)分解图像的曲波变换不能准确地采集图像中边缘信息的问题,提出一种改进曲波变换(improved curvelet transform,ICT)特征提取的CBIR(content based image retreval)算法.ICT使用脊波变换作为一个组成步骤,使用Gabor小波过滤器的过滤器组实现曲波子带,使用词汇树索引每幅图像的描述符向量,即能量直方图向量.在Corel收集的1 000幅图像上的实验结果表明:提出的算法对数据库中恐龙图像的检索精度可高达97.20％,平均精度比Gabor变换的CBIR算法和使用atrous小波变换的CBIR算法分别提高至少18％,23％,算法ICT的平均召回率为37.40％,远优于GT算法(27.13％)和WT算法(30.70％).在加权平均精度、平均精度、平均检索率和平均秩方面的显著改进使提出算法拥有很好的实用性.     

基于颜色特征分布及相关反馈的图像检索方法

在基于内容的图像检索中,大部分工作主要集中在提高检索系统的独立性和全自动性方面,由于存在着低层语义特征与高级概念间的差距、视觉感知的主观性等因素影响,使传统检索方法受到了限制,在巳提出的基于颜色空间分布检索方法基础上,引入相关反馈机制,弥补了原有方法的不足,进一步体现了系统的交互性,提高了图像检索效果。     

一种基于颜色直方图的快速图像检索方法

提出了一种基于快速特征匹配和改进的二叉树存储的图像检索方法,该方法的主要思想是以颜色特征的某个适当值作为根节点,将图像按照二叉树的存储结构存储于数据库中。在特征匹配时通过快速去除不相关候选图像来提高检索速度;通过引入相关反馈技术来改进查询结果的精度。相比于传统的图像检索方法,该方法不但能加快检索速度,在查全率和查准率上也有了较大的提高。     

基于二维直方图信息熵的图像检索方法

针对传统颜色直方图完全丢失颜色的空间分布信息的缺点,提出了基于二维直方图信息熵的图像检索方法。该方法不仅利用了图像象素的颜色统计信息,还用到了相邻像素之间的相关性及颜色在图像内的空间分布特征,充分考虑到了图像的颜色统计、空间信息等特征。首先提取出图像的二维直方图特征;接着,为降低特征的维度,计算出二维直方图相应的信息熵并用其进行相似性度量。实验表明该方法实现简单,而且能够较准确地描述出图像的颜色统计、空间分布等信息,从而有效地提高了检索的精度。     

一种基于度量距离学习的图像检索方法

CBIR系统由于受图像低层特征的限制,制约了它的检索效果。机器学习和统计方法是一种有效的提高检索性能的方法,但通常需要大量的训练样本才能达到满意的检索精度。提出一种理想的距离度量函数,在对图像进行简单分类并提供少量训练样本的基础上,通过类的距离度量矩阵M的学习来考虑分量之间的相关性。这个度量导入二次最佳化问题的解,将训练样本类结构的倾斜最小化。试验结果表明,该方法能在学习样本极少的情况下提高检索的性能。     

面向基于内容图像检索的图像感知Hash

提出一种建立在HSV空间颜色分类和形态特征基础上的图像Hash方法,用于图像检索.将图像尺寸规格化,并根据HSV空间中各分量的取值范围,将像素归为11类,在各类颜色成分中提取亮度、大小、形态等特征,加权得到Hash值以构成图像库的索引表,从而实现基于内容的图像检索(content-based image retrieval,CBIR).与其他方法相比,用该方法提取的图像特征除颜色外还包含形态特征,能较好地体现图像内容.实验结果表明,该方法具有良好的性能.