基于深度中心匹配哈希网络的足迹压力图像检索

以赤足足迹压力图像为研究对象,采集了40人的5 230幅赤足足迹压力图像,在具有较低存储消耗的哈希算法基础上,结合深度学习方法设计了一种深度中心匹配哈希(DCMH)网络实现足迹的检索．该网络首先根据足迹压力图像的特点构建深度特征融合模块,提取反映足迹形态结构的全局特征和压力分布的局部特征,并将两种特征进行融合;然后在哈希编码模块通过全连接层将融合后的特征映射为1 024维特征向量,并通过哈希层生成哈希码;在网络优化过程中通过构建深度中心匹配损失函数从而减小哈希码与对应哈希中心之间的距离．深度中心匹配损失函数通过伯努利分布生成哈希中心,设计对数中心损失函数减小同类足迹压力图像数据哈希码与哈希中心的距离,并设计相似性损失函数作为正则化项约束每个批次数据间的相似性关系．通过在40人的赤足足迹压力图像数据上进行图像检索实验,本文算法检索结果的mAP可以达到0.99,优于传统的哈希算法及常用的深度哈希算法,为足迹的进一步的现场应用提供技术支撑．     

基于注意力双分支网络的跨模态足迹检索

为了提高跨模态足迹检索精度,提出一种基于注意力双分支深度卷积神经网络的检索方法.该方法以赤足足迹的光学和压力2个模态图像为研究对象,采集并构建了一个包含138人5520幅足迹图像的跨模态检索数据集;在网络的特征提取模块采用ResNet50作为基础网络搭建双分支结构,并引入空间注意力机制,以提取各模态具有辨别性的特征;在网络的特征嵌入模块,通过部分参数共享学习跨模态共享空间;在双约束损失模块采用交叉熵损失(ID loss)和异质中心损失(HC loss)以增大跨模态足迹特征的类间差异,减小类内差异.实验结果表明:互检索模式下的平均精度均值(mAP)均值和Rank1均值分别为70.83％和87.50％,优于其他一些跨模态检索方法.采用注意力双分支网络模型能够有效进行跨模态足迹检索,可以为现场足迹对比鉴定等应用提供理论基础.     

基于跨模态语义增强的图像检索方法

网络图像的文本和图像之间有较强的相关性,传统基于内容的图像检索方法往往忽视文本和图像的相关性,而跨模态检索中,文本和图像的底层特征独立获得,并未有效利用两模态之间的语义关联性,基于此,本文提出了一种跨模态语义增强的图像检索方法(CSR),协同约束文本底层特征的线性判别分析项及两模态的典型相关分析项,使得文本语义增强的同时其强语义性通过协同约束迁移到图像特征中,最后通过多类逻辑回归获得文本和图像语义特征,用文本语义特征正则化图像语义特征,进一步提高图像特征的语义判别性。在Wikipedia和Pascal Sentence数据集上进行实验,显示本文方法能有效提高图像检索的平均查准率。     

基于变换域形状描述子的图像检索方法的比较与分析

为了更好地了解变换域方法在图像检索中的检索效果,比较分析了Zernike矩、GFD、PCET、RCFT和RFMT等现有的5种基于变换域的形状描述方法.分别在不变性、计算复杂性、噪声鲁棒性、有效特征数的选取方面对其进行了深入的分析和比较.选用MPEG7 CE Shape-1Part B中的1 400幅图像构成的图像库对这些方法进行检索和性能测试,并实际应用于由500幅病例图构成的图像库的医学图像检索.在研究噪声影响时,对各测试集图片加上不同程度的高斯噪声.通过比较分析及实验结果验证,Zernike矩和GFD方法的检索性能最好,有良好的抗噪性,因而适合于医学图像检索的实际应用.     

一种考虑图像尺寸的DCT域图像检索方法

利用从DCT域直接提取的图像主色信息构造MPEG-7所建议的一种颜色布局描述符,提出一种考虑图像主色分布和尺寸的压缩域图像检索方法,应用于基于内容的图像检索.     

基于灰度共生矩阵和梯度相位互信息的医学图像检索

结合灰度共生矩阵特征和梯度相位互信息,提出了一种面向临床实际应用的两步匹配医学图像检索算法.该算法在提供良好分类性能的灰度共生矩阵特征的基础上,通过精化检索进一步提高了检索精度,以及检索算法的整体鲁棒性.使用该算法对包含有6种不同解剖部位的CT图像库进行检索实验.实验结果表明该算法在达到良好的检索准确性的同时,具有接近实时的查询响应速度.对该算法进行适当扩展,能容易地推广到实际医学检索应用中.     

基于互信息的多模图像配准研究

分析了基于互信息的多模态图像配准的理论和方法,从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等,同时给出基于互信息的图像配准的基本步骤。     

图像存储与检索统一性模型构造

提出了一种新的图像存储检索模型 ,在原有的检索方法中加入了不完全分解与匹配功能 .根据不同检索目的决定检索方法 ,在检索的过程中利用计算结果改变(相关度等 )存储信息 .然后在这一模型下进一步计论了存储与处理合一等问题     

基于内容的图像检索技术

综述了CBIR的需要包括适应大量图像数据库的存储管理和查询应用;介绍了CBIR的系统结构．CBIR的关键技术是基于内容的图像数据库结构,象素域的图像查询检索和压缩域的图像查询检索;CBIR现有的系统有QBIC,Virage,VisualSEEK,PhotoBook和MARS．还对CBIR存在的问题和研究方向进行了分析．CBIR的主要研究方向为评价技术、基于语义内容的图像检索、数据模型、综合检索手段和多维索引技术。     

基于DCT域特征和Bayes语义分类的教学图像资源库检索技术

提出了一种根据DCT域特征提取和Bayes语义分类结合的图像检索技术。针对图像库数据结构的语义需求,采用朴素Bayes算法对图像库进行分类;其中视觉特征提取部分,采用改进的DCT域的边缘空间分布概率特征提取方法,获取目标对象边缘信息,建立20个特征值;通过Bayes分类器的分类,获取每类的索引特征向量,用于初次语义类别过滤,提高了检索效率。通过实验,建立教学需要的图像资源库,与其它检索算法进行查准率对比试验,证明了本算法的优越性。     

基于互信息的视网膜眼底图像配准方法

提出一种在于互信息的视网膜眼底图像配准方法，并采用遗传算法求解待配准图像的变换参数。与传统方法相比，该方法具有配准精度高、可可靠性好、不需要进行图像的预分割和特征提取等特点，配准精确度可以达到亚像素级。     

基于互信息量的医学图像拼合算法

研究了基于互信息量的图像拼合方法,对现有的概率分布估计方法及搜索策略进行了比较,并提出用梯度二值化图像互相关配准做预处理方法,并就融合后图像的显示问题提出一种基于边界法向插值的新方法.应用这些方法拼合实际XA医学图像,实现序列下肢步进图像的准确拼合.     

信息安全审计中的图像过滤技术研究

目前网络信息审计系统大多基于文本信息的过滤,但不良信息的提供者将不良信息嵌入到图像或直接以图像文件,绕过监控。文中介绍了基于图像内容过滤的信息审计系统中的图像检索技术,首先论述了图像检索中应用最为广泛的颜色特征的提取,接着论述了所有物体表面共有的内在特性纹理特征的提取,然后论述了形状特征的提取,最后论述了图像的空间关系特征的提取。     

基于互信息的Web文档聚类方法

由于网络信息的激增,如何充分利用大量的信息,并有效地为Web用户服务成为一个急需解决的问题。相关研究表明利用Web文档聚类的方法可以缩小信息检索的范围,提高查询准确率。通过分析Web文档的特征以及常用Web文档聚类方法的优缺点,提出了一种基于互信息理论的Web文档聚类的方法。在聚类的过程中,计算特征词之间的互信息值,根据阈值判断特征词是否属于同一类别。实验结果表明,该方法与K-Means聚类算法相比较,在准确率和召回率方面均有提高。     

基于互信息测度的平面图像拼接及其测量技术

针对超过摄像机视场范围的待测零件,必须进行多次拍摄,然后对系列图像进行拼接以形成完整的零件图像.为了实现图像获取和拼接的自动化,设计了x-y-z三轴运动控制平台对定焦相机进行精确定位,讨论了图像拼接的一般原理、基于互信息测度的模板匹配算法的图像拼接技术以及提高算法效率的策略.     

基于最大互信息的分层图像配准方法

基于互信息的图像配准算法具有精度高,鲁棒性强的特点,但是容易陷入局部极值,产生误匹配。本文在配准中采用归一化互信息(NMI)做价值函数,考虑了计算中的出界点和插值问题,将Powell算法与分层策略相结合来进行优化处理,并通过计算图像的灰度重心设置初始参数。实验结果验证了算法在匹配精度和速度上的有效性。     

双向梯度归一化互信息医学图像配准方法

传统互信息配准方法未利用图像的空间信息,为此,提出一种将互信息与梯度相似性相结合的双向医学图像配准方法.首先以图像A为参考,求图像A和待配准图像B的每组对应点的梯度相似性,并在计算相似性之前引入高斯算子以降低噪声影响,将梯度相似性因子与归一化互信息的乘积作为图像配准的正向测度;反过来,再以图像B为参考计算逆向的梯度归一化互信息.由此得到双向梯度归一化互信息.实验结果表明,该方法比传统归一化互信息和梯度归一化互信息方法有更高的鲁棒性和精度.     

基于分形维数的多线索商标图案检索系统

采用基于内容的图像检索技术,根据查询图像和目标图像的相似度匹配进行图像检索,图像的内容由五种特征来描述：图像的分形维数、分形矢量、边界分形维数、骨架分形维数和距离分布直方图,系统界面友好、功能齐全,实验证明系统的检索效果比较理想,具有很好的平移、尺度和旋转不变性,并且只要查询图像在图库中,就一定能被检索出来,另外,系统还具有一定的鲁棒性。