基于混合特征的垃圾图像过滤方法

构建了一种多核加权图像相似度聚类的方法来过滤垃圾图像,首先根据图像的视觉特征利用基于核的KNN方法将图像聚到多个类别,接着从每个类别的图像中抽取一些典型图像,并用hyperbolic显示技术显示到屏幕上,当用户选择某个样本图像后,系统将保留该类别的所有图像而丢弃其他类别的图像从而实现图像的过滤。实验表明该方法有效地改善了检索的交互性,降低了图像的分类错误率,从而有效地过滤检索到的垃圾图像,提高检索的效率。     

基于图像敏感区域纹理特征的图像检索

提出一种基于敏感区域动态特征的彩色图像识别方法,模拟人眼视觉特性,在小波变换域内利用K均值聚类提取敏感区域图像,提取敏感区域的动态纹理特征来表示图像内容,并以此计算图像间的相似度、对图像进行分类和检索。仿真实验结果表明,该方法能够较准确地查找出目标图像,并且明显地提高了检索精度。     

基于改进FCM和形态学的浮选泡沫形态特征提取

针对浮选过程中因气泡粘连及形状不规则导致泡沫形态特征难以提取的问题,提出一种基于改进模糊C均值(fuzzy C-means,FCM)聚类和数学形态学的浮选泡沫形态特征提取方法。引入聚类有效性指数及特征散度对模糊C均值聚类算法加以改进,并利用改进的聚类算法对泡沫图像进行聚类,得到泡沫大致区域。依据灰度分布和形状特征,采用面积重构开闭算法对图像进行除噪处理。基于形态重构方法思想,提出采用高低精度距离变换方法,同时,结合改进面积重构变换提取标志图像,进而利用分水岭算法对泡沫图像进行分割。通过测量分割区域和标定像素提取泡沫形态特征,并与浮选工艺参数做相关性分析。研究结果表明,该方法能够准确地分割粘连泡沫,且提取的泡沫形态特征能有效反映浮选工况。     

能量矩与颜色聚类相结合的图像检索方法

检索效率和准确率是基于内容的图像检索技术的重要指标.首先采用一种改进的软聚类算法在颜色空间进行聚类预处理.在此基础上,提出一种快速有效的提取基于离散余弦变换的能量矩特征方法,对聚类结果进行基于能量矩特征的二次检索.实验结果表明,聚类预处理能大大地缩小图像的搜索范围,以达到快速、准确检索图像的目的,同时提出的分块能量矩对图像旋转、尺寸变化及噪声有较强的鲁棒性.     

基于DWT和nova-form聚类法的医学图像颜色特征提取

提出一种基于小波变换的医学图像颜色特征提取新方案。根据小波变换后各子带所含的图像信息量调整主色提取种数。对低频子带,首次提出了一种适用于主色提取的无监督聚类分析方法——nova-form;而对高频子带则采用k-medoids算法。实验证明,nova-form聚类算法较经典算法有更好的聚类效果,新方案在检索速度和检索精度上能较好地兼顾。     

基于形状的遥感图像检索系统

研究了基于内容的遥感图像库的快速检索系统．系统采用基于形状全局特征与局部特征相结合的两步检索策略，由简单的全局特征来过滤掉大部分的非相关形状，利用矢量近似方法来对所属类别进行快速定位，缩小搜索空间；局部特征相似性是通过形状小波变换系数之间的距离直接计算的．仿真试验表明，该查询结构能够高效准确地对高分辨遥感图像和航片进行检索．     

一个多特征结合的图像检索技术

图像数据库应用日益广泛,如何高效、准确地进行图像的检索成为一项重要的研究领域。传统的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征,检索效果往往不够理想。针对这一实际问题,提出一种新的图像检索方法,通过对图像进行小波变换,获得纹理和形状的综合特征,对综合特征进行归一化处理,并将其作为图像相似性的衡量依据。实验证明基于纹理和形状特征的图像检索具有很好的效果。     

基于小波压缩和用户反馈的图像检索系统

为提高图像检索系统的准确率和有效率，本文提出一种基于小波压缩和用户反馈的图像检索方案。本系统直接对小波压缩图像进行分析，提取压缩域低频图像的颜色、纹理、形状特征，然后通过判别函数判别图像的相似性。利用检索结果的聚类性，以聚类用户反馈来提高检索系统的准确率和有效率。实验结果表明，利用颜色和纹理特征检索的效果较好，而利用形状特征检索的结果一般。     

基于内容的藻类图像分类检索算法

为解决藻类图像分类检索的问题, 提出了一套基于内容的方法对藻类图像进行分类检索。针对海洋生物图像对颜色特征不敏感的特点, 采用SIFT(Scale-Invariant Feature Transform)算法针对藻类图像的形状特征进行提取。使用PCA(Principal Component Analysis)技术对特征进行降维, 有效避免了维数灾难。采用K-means 算法进行聚类, 简单高效。用词包对聚类结果进行打包, 以便后续的识别。最后用KNN(K-Nearest Neighbors)算法进行识别检索。实验结果与事实吻合, 为藻类造成的环境污染问题的研究提供了有效的技术支持。     

基于内容的彩色细胞图像检索

提出了一种结合颜色、纹理和形状特征的细胞病理图像检索方法．首先,运用K-均值聚类方法提取出细胞核,并且采用多域值分割算法去除细胞图像中的背景区域．提取的特征包括颜色、纹理和形状等,这些特征能很好地表征单核细胞的主要特性．由于提取的特征数值范围以及物理意义不尽相同,对特征进行了归一化处理．最后提出了相关的反馈系统．该系统可以自动地调整不同特征的权值,提高了图像检索的准确率．运用该方法进行细胞图像的检索更符合人的视觉感觉要求,比仅仅提取一个特征的方法更加准确．     

基于人工智能方法的图像语义检索

根据语义特征进行图像检索是图像检索技术的发展趋势。文章提出了一种基于人工智能以实现图像语义特征提取的方法,即通过模糊逻辑、遗传算法和人工神经网络三者的融合来解决图像语义特征提取这一难题,该方法使图像检索能够满足用户的需求,提高了图像检索的效率和精度。     

基于小波变换与FCM的甲骨文字图像分割

针对传统FCM(模糊C均值)聚类算法及改进算法无法对背景有大片点状、片状斑纹以及字迹模糊的甲骨文字图像进行有效分割的情况,提出了一种基于二进小波变换与FCM聚类算法的甲骨文字图像分割算法.首先,采用二进小波变换模极大值点对甲骨文字图像进行边缘检测;然后,充分利用二进小波变换模极大值中的边缘信息,从而进一步修改FCM聚类算法中的隶属度函数.将实验结果与传统的FCM聚类算法及改进算法进行比较,证明了该算法能更有效地分割甲骨文字图像,具有更高的正确分割率.     

基于主色调颜色特征的图像检索

颜色是图像检索中应用最为广泛的特征之一。本文提出一种新的颜色特征提取方法,该方法在HSV空间运用聚类方法得到待分析图像的主色调,再通过直方图分析得到整体的图像颜色特征,从而满足图像检索的需要。试验表明,本文提出的特征分析方法满足人类对图像颜色特征的主观感受。     

结合彩色边缘与LBP纹理的图像检索算法

基于图像颜色、纹理和形状单一特征的特征提取和匹配的方法很多,各有优缺点,因此,本文提出了将图像中心区域的uniform模式的LBP纹理与环形分块彩色边缘相结合的图像检索算法。常用的形状检索算法只能对连续封闭曲线才有好的检索效果,而对自然彩色图像检索效果较差,而本文将图像分成几个环形分块,对每一环形分块内的图像提取彩色边缘并形成颜色直方图用于图像形状描述。纹理采用uniform模式的LBP描述,最后采用加权法融合形状特征和纹理特征。根据实验比较,该算法能较大提高大多数类别图像检索的查准率。     

多源遥感图像融合平台的设计与实现

介绍了图像融合的框架层次结构,以及像素层、特征层和决策层3层图像融合的方法及其相互关系。分析了图像融合平台的设计与实现方法,选择基于DS证据理论和模糊Kohonen神经网络聚类算法,进行了适当改进,并加以验证。结果表明,模糊Kohonen神经网络聚类算法的聚类精度和聚类速度都要优于传统算法。     

基于特征点组合聚类的图像检索新方法

由于特征点能对图像局部特征进行合理描述,有效使用特征点实现基于内容的图像检索成为当前计算机视觉领域中的热点问题.针对该问题,提出一种基于特征点组合聚类的图像检索新方法.该方法包括特征点组合聚类算法,以及基于该算法的局部颜色直方图构建策略.与现有的基于特征点和局部颜色直方图的检索方法相比,该方法能有效解决当前方法对特征点位置信息及特征点中心过度依赖的问题.从公共图像库上的实验结果可以看出,该方法与现有方法相比具有较高的检索精度.     

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.     

一种基于自适应模糊聚类的高效图像索引方法

通过对模糊C均值聚类算法进行分析评价,提出了一种高效的自适应图像数据聚类方法,该方法采用曲线的多项式拟合技术自动获取随数据分布动态变化的阈值,改进后的算法克服了模糊C-均值聚类对聚类中心的敏感性以及聚类的局部性,并在此基础上建立了相应的索引机制.仿真实验表明,自适应模糊聚类索引大大提高了检索性能.     

基于支持向量机和用户反馈的图像检索算法

针对当前图像检索算法存在精度低、 实时性差等不足, 为了获得更理想的图像检索结果, 提出一种基于支持向量机和用户反馈机制的图像检索算法. 首先采集大量图像, 提取图像检索的相关特征, 建立图像检索特征库; 然后采用支持向量机计算待检索图像特征与图像检索库特征之间的相似度, 确定图像类别, 实现图像的初步检索; 最后引入用户反馈机制对图像的初步检测结果进行精细比对, 并与经典图像检索算法进行对比实验. 实验结果表明, 该方法的图像检索精度超过90%, 图像检索误差远小于经典图像检索算法, 提高了图像检索效率.     

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。