基于Multi—Agent的图像检索技术的研究

针对当前图像特征提取方法中,算法运行速度较慢以及远程图像的信息交换中带宽的限制,设计了一种基于Multi—agent技术的图像特征提取方法,重点讨论了该方法实现的关键技术,包括纹理特征、颜色特征和形状特征的提取算法。模拟实验表明,该方法所提取的特征内容丰富,占用网络的带宽较少,采用的算法运算速度提高明显,而三种基于内容的图像的特征能满足不同类型图像的识别和检索。     

基于多种高级语义特征的图像检索技术

基于语义内容的图像检索已成为解决图像低层特征与人类高级语义之间"语义鸿沟"的关键.笔者以性能优越的回归型支持向量机(SVR)理论为基础,结合重要的图像边缘信息及人眼视觉特性,提出了一种基于多种高级语义特征的图像检索新方法.该方法首先利用Canny检测算子提取原始图像的边缘信息,并据此得到低层纹理特征与颜色特征,同时利用SVR将低层特征映射到高级语义,以获得图像的高级对象语义.然后结合图像边缘线条方向,利用SVR将线条方向映射为高级语义,以获得图像的线条情感语义.再结合人眼视觉系统感知特性,给出基于全局主要颜色的高级颜色语义.最后根据上述多种高级语义特征进行图像检索.实验结果表明,该方法能够有效地对图像高级语义进行刻画,不仅图像匹配检索效果良好,而且具有稳定的检索性能,其对于缩小低层视觉特征与高级语义概念之间的"语义鸿沟"具有重要意义.     

一种基于属性坐标分析的图像检索偏好学习方法

针对基于内容的检索过程中特征提取完成后,多种不同类型的特征如何整合的问题,提出了一种基于属性论方法的偏好学习方法.这种偏好学习方法旨在成为特征整合的依据,为分类、检索、识别等后续的人工智能操作以支撑.以基于内容的图像检索为例,将图像的颜色、纹理、形状和草图等特征通过心理权重整合后,提出了属性坐标分类法,实现了效果较好的局部偏好检索,并证明了所提出方法的有效性.     

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。     

基于特征融合的图像情感语义识别研究

针对图像情感语义识别中特征提取的问题,提出了一种加权值的图像特征融合算法,并应用于图像情感语义识别。该方法根据不同特征对情感语义的影响不同,在提取出颜色、纹理和形状特征后通过加权融合为新的特征输入量,并用SVM来实现情感语义的识别。实验结果表明,这种算法比单独使用某种图像特征有更高的准确率。     

基于内容的图像检索在电子商务中的应用

将基于内容的图像检索应用于电子商务,并分析了这项应用的优势和现状,探索研究了基于内容的图像检索应用于电子商务的几个关键问题.提出将商品图像分为3个环状区域,先去除商品图像最外层环状区域冗余信息,然后利用商品图像核心区域和中心区域的主颜色特征进行检索,再提取商品图像核心区域和中心区域的纹理特征进行二次检索.检索时根据图像核心区域的重要性,对图像核心区域和中心区域的特征采用不同的加权系数.经实验验证,本文采用的算法对一些类别商品图像有较好的检索效果.     

利用图像特性的模糊聚类图像检索方法

在图像的检索方法中,大多数均根据图像的变换域的特征进行检索,其缺点是没有抓住图像的现实属性,从而检索效率低下,检索精度较低。针对此问题,该文根据内容(形状、颜色、纹理等)的视觉特性的不同,结合局部和全局特征,提出一种基于聚类形状的图像检索方法。首先将对象形状包含图像通过Fourier变换的方法进行描述,其次应用双向经验模式分解检测图像边缘,最后应用模糊聚类检索方式进行图像语义类别检索。其中所采用的模糊聚类算法采用机构监督机制,从而使形状识别类别用一组标记形状代表。根据导出的形状原型检索类似形状。相比于现有的检索方法,对比结果显示该方法在检索精度方面有了显著的改善。     

基于BP神经网络的风景图像分类

通过建立一个多输出的BP神经网络,提取图像的底层特征作为网络的输入,用语义期望值作为网络的输出.训练完成后,该网络能够对风景图像进行多种语义分类检索,从而建立起了从底层特征到语义特征之间的映射.提出的一种颜色提取方法不仅降低了颜色特征向量的维数,减少了计算量,节省了时间,而且在描述风景图像的颜色内容上更加准确.如何选取图像的语义阈值是一个重点也是一个难点,通过实验发现,当阈值的选取范围在[0.55,0.65]时,检索的查全率和准确率能达到一个比较好的平衡效果.实验证明,此方法在风景图像的分类上取得了较好的检索查全率和准确率.     

现阶段基于内容的图像检索技术分析

主要讨论了目前基于内容的图像检索技术的两大热点研究方向,即基于底层特征向量的提取算法(分别为颜色、纹理和形状特征)和基于相关反馈机制(分别为基于空间变换、基于统计概率、基于聚类分析和基于机器学习的模型).分析它们使用的典型方法及优缺点,并对未来的发展方向做了展望.     

综合多特征的图像检索方法

基于内容的图像检索技术利用图像的颜色、纹理、形状等基本特征进行检索,成为当今图像检索领域的一个研究热点.由于图像内容的多样性,不同的图像其侧重点有所不同,为此,论文提出了一种综合多特征的图像检索方法.在该方法中,用户可根据对颜色、纹理或形状信息的敏感程度,调节相应的权值来进行检索,并对检索出的图像按相似度大小给出排名.实验结果表明该方法与采用单一特征的检索方法相比效果有较大改善.     

基于加权K近邻算法的抽象画图像情感分布预测

现有的大部分图像情感分类计算主要致力于预测图像情感的类别,没有考虑观察者对于图像情感不同的主观感受,因此仅对图像进行情感分类并不能满足现实需要.本文提出采用加权K 近邻算法对数据集中每幅抽象画图像进行离散情感的分布预测,首先提取图像的情感特征,不同的K 值,按照距离加权为每幅图像预测对应的情感分布情况,然后与数据集已知的情感分布进行比较.以Abstract 图像库作为数据集进行实验,并验证了算法的有效性.     

基于多层交叉注意力融合网络模型的人脸图像情感分析

目前大多数人脸图像情感分析方法只单方面关注图像整体或局部来构建视觉情感特征表示,忽略了二者在情感表达上的协同作用。针对此问题,提出了一种多层交叉注意力融合网络情感分析方法。该方法首先利用特征相关性分析实现最大化类的可分性;其次通过多层交叉注意力网络中的多个不重叠的注意力区域来提取整体和局部的信息;然后将整体与局部提取的注意力图进行融合,来共同训练图像情感分类器并进行情感分析。实验结果表明,提出的方法在真实数据集RAFDB上的情感分类准确率达到了88.53%,优于现有其他方法,验证了该方法的有效性与优越性。     

基于未确知测度的视频情感内容识别

为有效识别视频情感的内容,基于未确知数学理论,建立了视频低层特征和高层认知情感之间的联系,提出了一种基于未确知测度的新算法.首先,选取能反映情感变化的场景亮度、镜头切变率和色调效能作为视频情感低层特征,介绍了每种情感特征的数据提取方法,并由此构建了视频情感特征向量.其次,构造了视频场景的未确知对象空间和指标空间,并给出...     

基于分块颜色矩和纹理特征的图像检索方法

基于内容的图像检索技术是当今研究的热点领域之一.为了克服全局直方图检索方法不包含颜色的空间分布信息的不足,提出了一种采用固定块图像分割方法提取图像局部颜色矩的图像检索算法.在此基础之上,对检索结果进行基于纹理特征的二次检索.实验表明,圆环形分割块颜色矩算法不仅记录了颜色的空间信息,而且具有旋转、平移不变性的特点.综合利用图像颜色、纹理的检索方法能够大大提高检索结果的准确性.     

一种新的彩色图像特征检测中相似度计算方法

现代数字图像处理技术中处理的大多是彩色图像。很多处理场合都需要直接实时地对彩色图像进行处理,这样就可以避免彩色图像灰度化过程中的细节损失,也有利于提高算法速度。在基于色彩分布的彩色图像特征检测过程中,需要对色彩空间进行颜色的量化,也需要对不同像素点的颜色值进行比较,并作出合适的相似性和异性计算。论述了一种新的色彩距离,计算方法,大大提高了彩色图像特征提取的准确率与速度。     

一种基于色差的彩色图像的边缘检测方法

传统的边缘检测方法大都是基于灰度图像的,这就不能充分利用彩色图像的全部信息。文章提出了一种基于色差的彩色图像的边缘检测方法,它能快速准确地检测到图像的边缘,具有低的错判率和较高的效率,优于传统基于灰度的边缘检测方法。     

彩色图像分割方法综述

图像分割是图像分析和模式识别需要解决的首要问题和基本问题,也是图像处理的经典难题。彩色图像比灰度图像具有更多的视觉信息,因而受到了越来越多的重视。对各种彩色图像分割方法进行了系统论述,分析了各种方法的优缺点。     

RGB颜色空间新的色差公式

本文基于RGB颜色空间,对目前使用较为广泛和最近使用的几种RGB颜色色差算法进行分析对比,评价其优缺点,吸收它们的优点,屏蔽它们的缺点,提出了一种全新的基于特征向量的色差公式。本文给出了基于RGB颜色空间的特征提取方法和特征向量的色差计算方法。通过图像的分割实验对比,验证了本算法的有效性和平滑性。本算法得到的色彩溶差符合人眼的视觉判断。由于本算法具有较小的时间复杂度和空间复杂度,可应用于实际生产与生活。     

基于颜色共生矩阵的纹理检索算法MCM

描述了一种基于颜色共生矩阵的纹理检索算法MCM,主要包括颜色共生矩阵纹理特征提取算法以及纹理特征的相似性度量函数,给出了利用MCM算法检索图像库的实例.通过MCM算法提取的特征除了反映图像的纹理关系外,还综合了其颜色构成特征,部分建立了与人的视觉感知之间的对应关系.实验表明,MCM算法优于一般的灰度共生矩阵纹理检索算法,并且具有较好的检索效果.     

基于FAST算子与多特征匹配的图像伪造检测算法

当前图像伪造检测算法大多采用最近邻与次近邻比值法进行特征匹配来完成图像伪造检测,存在较多的错误检测以及漏检测现象,基于此提出了一种基于FAST算子与多特征匹配的图像伪造检测算法.首先,基于FAST算法与Bresenham方法,构造以像素点为中心的圆形区域,提取图像特征;然后,通过梯度直方图统计法判定特征点的主方向,以特征点为中心建立两级同心圆,并通过求取同心圆在指定方向上的梯度特征,生成特征向量和特征描述子;最后,提取特征点的HSI颜色分量,将HSI颜色分量以及特征点的特征向量作为双重特征,设计了双重特征匹配法则,实现特征匹配.引入Hough变换,对匹配特征点进行聚类,定位伪造内容.实验结果显示,与当前图像匹配算法相比,所提算法具有更高的检测正确度与鲁棒性能.