基于欧拉向量的彩色图像检索方法

为了有效地管理图像数据库,并对其进行查询检索所需的图像特征,提出了一种基于欧拉向量的色彩图像检索方法.该方法将图像位平面的灰度码表示和增量位平面表示相结合用于图像检索.结合方式有两种:一种方式是获得联合欧拉向量作为图像的特征,并对联合欧拉向量进行高斯归一化,然后采用距离公式对图像进行相似度计算,并对彩色图像进行检索;另一种方式是利用图像重要位平面所获得的灰度码位平面和增量位平面,分别获得各自的欧拉向量,采用距离公式加权的方法进行图像相似度计算.实验结果表明该方法有效改善了检索效果.     

基于小波和位平面技术的图像检索方法

提出并实现了一个基于小波和位平面技术的图像检索方法.首先依据二维小波子图的方向性特征,提出了一个兴趣点检测算法,并将该算法与位平面相结合进行图像兴趣点获取.然后将图像特征分为整体特征和局部特征进行提取,最后通过相似度测量实现了图像检索.由于该算法是对小波系数的位平面进行处理,有利于实现网像的压缩域检索.在考虑图像局部特征的同时也考虑了图像的整体特征,因此该算法亦具有较强的不变性.Corel图像库仿真实验表明,该算法具有较高的检索效率和准确率.     

利用SVM和灰度基元共生矩阵进行图像数据库检索

提出了一种新的基于内容的图像检索方法，其关键技术是：(i)提出一种检索图像内容纹理统计特征的新方法，定义若干规范灰度像素模式基元；计算这些基元沿不同方向和不同跨距成对出现的概率，可以组成灰度一基元共生矩阵；该矩阵可用来描述图像纹理方面的特征。(ii)通过构建分类矩阵进行二叉树判别，扩展了SVM的多类分类功能。实验测试表明该法可行，且具有较好检索性能。     

利用颜色向量角直方图进行基于内容的图像检索

分析颜色直方图在基于内容的图像检索（content-based image retrieval,CBIR）中存在的问题,提出一种应用图像边缘空间分布的检索方法.利用颜色向量角对亮度不敏感,对色度和饱和度敏感的特性提取彩色图像边缘.在图像的边缘像素及其近邻提取颜色向量角直方图,同时在图像的平滑像素区提取颜色直方图,将两种直方图结合起来用以描述图像内容.该方法较充分地利用了图像的颜色、边缘、形状信息,具有良好的光照不变性,与颜色直方图法相比,检索效果有明显改善.     

利用熵和分形压缩编码的图像检索新方法

图像的抽象描述和特征提取是基于内容的图像检索系统中需要解决的关键问题之一,文章提出了一种图像信息熵和分形编码相结合的图像检索方法．首先,计算图像库中的各幅图像的信息熵,比较设定的阈值对图像库进行预分类;其次．利用Jacquin方法计算得到查询图像的分形IFS编码,应用到图像库同类的图像进行分形迭代解码;最后,计算解码图像与查询图像的相似距离得到检索结果．实验结果表明,与直接像素值相似匹配方法相比,该法在基本保证图像检索效率的前提下,极大地提高了检索时间．     

基于支持向量机的相关反馈图像检索算法

相关反馈技术是近年来在图像检索中较为重要的研究方法 ,从机器学习的角度 ,以支持向量机 (SVM)为分类器 ,提出了一种新的相关反馈方法。在每次反馈中对用户标记的正例和反例样本进行学习 ,建立 SVM分类器作为模型 ,并根据学习所得的模型进行检索。由于 SVM分类器在一定程度上勾勒出了相关图像在特征空间中的分布 ,因而对整个图像库进行检索时可以查找到更多的相关图像。使用由9918幅图像组成的图像库进行实验 ,结果表明 :该方法可以通过交互的反馈过程 ,有效地检索出更多的相关图像 ,并且在有限训练样本情况下具有良好的泛化能力     

基于支持向量机语义分类的两种图像检索方法

为了更好的解决基于内容的图像检索问题,提出了2种基于语义的图像检索方法.第1种是基于支持向量机(SVM)语义分类的图像检索方法.该方法首先提取训练图像库的底层特征信息,然后利用SVM对所提取的特征进行训练,构造多分类器.在此基础上,利用分类器对测试图像自动分类,得到图像属于各个类别的概率,实现图像检索.第2种是利用图像自动标注方法进行检索.在基于语义的图像自动标注中,先对训练集进行人工标注,对测试图像利用SVM分类器进行分类,并找到与该图像最相似的N张构成图像集,对该图像集的标注进行统计,找到关键词,从而提供概念化的图像标注以用于检索.通过在标准图像检索库和自建图像库上的实验结果表明,以上2种基于语义的图像检索方法是高效的.     

基于支持向量机的图像检索主动学习方法

为解决基于内容的图像检索中训练集样本过小问题,本文提出一种结合相关反馈和支持向量机的主动学习算法,首先计算未标注样本到分类超平面的距离以及与当前训练集中样本的余弦距离和,然后取具有总的最大余弦距离同时到超平面距离最短的样本加入训练集,通过增加最具信息的样本到训练集,使得分类器可通过少量反馈次数而快速达到较高的准确性.试验表明,本文算法能有效提高分类器的分类精度和泛化能力,在减少评价样本数量的前提下,可快速收敛于用户定义的目标查询概念.     

基于图像信息熵的四叉树检索算法

在基于内容的图像检索系统中,图像的抽象描述和特征提取是要解文提出了一种基于图像信息熵的四叉树索引结构及检索算法,可以利用较低维数的特征实现高速有效的图像检索.该方法适用于查准率要求不高情况下的相关图像检索或大型图像库的预检索.     

基于灰度直方图和互相关方法的医学图像检索

采用基于灰度直方图和互相关相结合的方法实现对医学图像的检索,灰度直方图方法虽具有比较,旋转和位移不变性等特点,但不能充分表示空间分布信息,而将图像之间的经相关 特性应用于医学图像检索的方法正好可以弥补直方图表达空间信息的不足,将这两种方法相结合实现了对医学图像的快速,准确的检索效果,该算法容易实现,在医学图像检索中具有推广应用的价值。     

一种基于图像熵及分形维矢量的图像检索技术

在基于内容的图像检索系统中,图像的抽象描述和特征提取是要解决的关键问题之一.提出了一种利用低维数据有效表示图像特征的基于图像熵及位面图序列分形维矢量的图像检索方法,实现了快速有效的图像检索.     

基于支持向量机的局域线性嵌入算法在图像检索中的应用

SVM算法复杂度与样本维数无关,具有的泛化能力强、分类精度高的特点,而LLE是有效的非线性降维方法,本文利用支持向量机(SVM)算法对局域线性嵌入(LLE)算法进行改进,有效地解决了基于内容的图像检索中的高维特征向量的降维问题,实验表明具有较高的查全率和查准率.     

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。     

基于灰关联规则的回转窑火焰图像检索方法

将数据挖掘中的灰关联分析引入基于内容的图像检索中,提出一种基于灰关联度的回转窑火焰图像的检索方法.通过分析火焰图像特征值,并结合生产运行数据挖掘得到关联规则;应用灰关联度作为加权因子计算被检索图像与数据库中图像的相似度,从而得到一系列相近检索结果;根据用户的相关反馈,查询得到更优结果;设计和实现了检索系统的原型机,并应用从某氧化铝厂采集的图像和生产数据进行图像检索实验.实验结果表明:该方法能够较快而有效地从图像数据库中检索得到较满意的结果.     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

基于内容检索的图象数据模型的设计

为了解决图象数据有效查询问题,设计具有基于内容图象检索功能的面向对象数据模型,作为数据库的引擎,分析了图象数据库的系统结构,根据这个结构分别对结构层和操作层建模,完成数据模型层的概念和逻辑设计,实现了一个支持基于内容检索技术的图象数据库系统.可视性好,对图象资源可以进行有效的管理和检索.     

基于音频语谱图像识别的广告检索

随着中国广播电视事业的快速发展,对广播电视进行广告监测的重要性越来越突出。该文提出了一种基于音频语谱图像识别的广告检索方法,该方法把每个广告片段的音频转换成语谱图像,并通过boosting训练算法,从中提取可区分的、适合索引的特征以训练分类器。检索时,通过特征对齐,采用基于期望最大化(expectation maximization,EM)的迭代方法识别最匹配的广告。实验结果表明:该方法可以快速准确地从广播电视中检索到广告,而且具有很好的鲁棒性,基于该方法开发的广播电视广告监测系统已经得到了实际应用。     

基于深层说话人矢量的说话人检索

为了解决浅层特征不能有效刻画说话人特征,导致说话人检索率不高的问题,提出了一种基于深层说话人矢量的说话人检索方法.使用受限波尔兹曼机逐层构建一个多层的深层特征提取器用以提取说话人深层特征.为说话人构建基于深层特征的深层说话人矢量.通过计算要检索的说话人的深层说话人矢量和检索库中的说话人深层特征之间的最小距离,对目标说话人进行检索.实验结果表明:在深层特征下,使用深层说话人矢量可以检索到绝大部分的目标说话人;随着深度层数的增加,检索率先增后减,检索率最高对应的深度层数是7;随着深度层数的增加,检索时间非线性增加.