基于Gauss滤波的图像可视化检索(Ⅱ)——全局匹配

基于多尺度Gauss滤波的图像特征提取 ,能够在较大的尺度和视角变化范围内 ,检索出具有相似外观特征的图像。在讨论多尺度Gauss滤波输出用于图像的局部相似性匹配检索的基础上 ,进一步分析了如何将多尺度Gauss滤波方法用于全局相似性匹配检索。首先由图像在不同尺度下的Gauss滤波输出 ,构造出图像的曲率和相位直方图 ,得到图像的多尺度直方图表示 ;然后查询图像和数据库图像的归一化的曲率和相位直方图再进行匹配。归一化的直方图因消除了图像中点的位置信息 ,因此是图像变换如 :旋转、扭曲、拉伸下的不变量。该方法能用到基于图像外观特征的全局可视化检索中 ,并能取得很好的效果     

面向查询点的遥感影像哈希检索方法

由于存储成本低,查询速度快,哈希检索算法已被广泛应用于大规模影像检索。针对大规模遥感影像数据集训练低效问题,提出了面向查询点进行特征学习的遥感影像检索方法。首先,利用深度卷积网络对具有多语义标签的遥感影像数据训练集提取遥感影像特征;然后,面向查询点学习得到哈希函数并生成查询点的二进制哈希码;最后,通过迭代学习得到整个数据库的二进制哈希码来实现影像检索,有利于提高检索精度;同时,该方法避免了对整个数据库进行特征提取,从而可以更有效地利用大规模数据库中的监督信息。在3个不同数据集上的实验结果表明,该方法检索性能优于其他多种先进方法。     

Indexing of Content-Based Image Retrieval System with Image Understanding Approach

1 .INTRODUCTIONMuchattentionhasbeenpaidtoCBIR (content basedimageretrieval)inrecentyears[1 2 ] ,andvarioustech niqueshavebeenappliedtoretrieveimagesbasedonlow levelfeatures,includingcolor,texture,sketchandshape .These previouseffortshave producedmanyinterestingresults[4～ 9] basedondifferentimagefeaturesandmetrics.Especially ,theCBIRsystemsbasedonrelevancefeedback ,keywordsannotationandothernovelmethodsworkwellundermanykindsofimagequeries.However,therearestillsomeproblemsconcern ingCB…     

基于粒子群算法的图像相关反馈研究

在浩如烟海的图像库中按用户的需求去搜索图像,传统的做法是基于图像的视觉低层特征进行检索。但是由于视觉低层特征与高层语义之间存在语义鸿沟,因此检索结果往往不尽如人意。研究者发现,将相关反馈技术引入图像检索中则能提高系统的检索性能。提出将粒子群优化算法(Particle Swarm Optimization)[1]引入基于内容的图像检索之中,通过用户对检索结果进行评价,系统通过学习来动态修改各特征的权值,从而达到模拟人类的思维,提高图像检索系统的检索性能,并通过实验证明该算法的可行性和有效性。     

基于动态局部颜色直方图的图像检索

利用了Mean shift聚类方法对图像进行不规则的划分,在此基础上定义了一种动态局部直方图,设计了一个能同时表征图像颜色和位置信息的统计量,并且给出了计算图像相似度的方法.该算法既改进了以往局部直方图利用图像位置信息的检索方法的不足,而且保留了全局直方图方法具有的旋转不变性和缩放不变性.实验结果表明,在准确引入了图像的空间位置信息后,较大的提高了图像检索的精度,检索结果中不再出现和示例图像颜色成分相似而空间分布不同的图像,实验结果较好的验证了算法的有效性和稳健性.     

改进TLBO的相关反馈图像检索方法

针对当前基于进化算法的相关反馈图像检索方法无法很好地结合用户偏好信息和设置参数过多的问题,提出一种基于改进教与学优化的相关反馈图像检索方法。根据图像检索问题的特定环境,对教与学优化算法进行了一系列改进:首先,结合最近邻分类法构造适应度函数的约束条件,使之更好地反映用户偏好信息;其次,通过在教阶段将相关图像集的中心图像作为教师以及在学阶段将相关图像作为学员学习的对象,使算法快速收敛到相关图像区域;最后,结合约束处理技术Deb准则进行学员的选择操作。将该算法与目前效果优异的3种基于进化算法的相关反馈技术在两套标准图像测试集上进行对比。结果表明,所提算法相较于另外3种算法具有明显的优势,能更好地结合用户偏好信息提高图像检索性能。     

一种双层情感图像检索模型

随着信息技术的迅猛发展,情感信息处理已成为21世纪人工智能领域所面临的重要挑战之一。借鉴认知心理学、绘画艺术和服装设计的研究成果,本文提出了一种双层情感图像检索模型。在该模型中,借鉴心理学中的“维量”思想,建立情感空间;同时,抽取图像中较容易引起情感变化的特征作为图像的视觉特征,建立图像的特征空间;另外,本文还提出了情感注释的思想,采用支持向量机的方法建立图像的低层特征空间到用户的高层情感空间之间的映射,自动注释用户未曾评估的图像,实现了图像情感注释,在情感空间进行公共情感检索,快速获得用户情感信息,在此基础上,采用可视化交互式遗传算法实现因人而异的个性化情感检索,该模型应用于风景和服装图像的情感检索,取得了较好的实验结果。     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

基于加权k-均值聚类与粒子群优化的多航迹规划

针对复杂环境下的无人机多航迹规划问题,提出了将粒子群优化（particle swarm optimization, PSO）算法与加权k-均值聚类算法相结合的规划方法。每个粒子表示一条航迹,采用加权k-均值聚类算法对粒子进行分类,得到多个粒子子群,在每个子群内部进行一条可行航迹的优化,最终得到多条不同的可行航迹。对传统k-均值聚类算法进行改进,采用排挤机制产生初始聚类中心,针对实际环境中突发威胁的分布不均性,在聚类过程中,对航迹节点按照所在区域突发威胁的出现概率进行加权,提出了加权k-均值聚类算法。仿真实验表明,所提出的方法能够有效地得到无人机的多条可行航迹。     

基于形态学和蚁群聚类的台风分割方法研究

蚁群算法是具有离散性、并行性、鲁棒性、正反馈性等特点的一种仿生进化算法。根据数字图像的离散性特点,从聚类角度出发,将蚁群聚类算法引入到台风云系分割中,并通过引入初始聚类中心和引导函数来解决传统蚁群聚类算法计算量大,搜索时间过长的问题。在蚁群聚类算法的基础上,针对单纯采用蚁群聚类算法可能会将类似于台风云系的分布不均匀的无关云团分割出来而造成分割精度低的情况,提出了一种蚁群算法融合数学形态学方法的台风云系分割方法。仿真结果表明此方法可以准确的分割出台风云系,是一种有效的图像分割方法。     

粗糙核k-means聚类算法

通过研究核聚类算法,以及粗糙集,提出了一个新的用于聚类分析的粗糙核聚类方法。通过mercer核映射把输入空间中的样本映射到Hilbert空间,使样本空间中没有显现的特征在特征空间中突现出来,在这种样本差异加大的基础上,结合粗糙集的思想,把样本分别划到相应聚类中心的上、下近似中,上、下近似中的样本按照一定的比例来共同决定新的聚类中心。这样不但聚类精度大大提高,而且算法收敛速度也较快。仿真实验的结果表明该算法的可行性和有效性。     

基于Gauss滤波的多媒体图像的可视化检索

基于图像的可视化特征的图像检索和查询，是当前多媒体系统的重要研究方向。对于基于图像局部匹配的检索，传统的模板匹配和区域分割方法只能在目标图像中检索非常相似的对象，对尺度或形状有较大变化的目标则难以得到满意的结果。提出了一种不依赖于模板匹配的方法——图像的多尺度高斯滤波表示，用于图像的特征提取和局部匹配，并在分布并行索引结构下实现了该方法的快速索引和搜索算法。实验表明，该方法能够在较大尺度和视角变化范围内，更有效地进行图像的特征提取和检索，对基于图像局部区域相似性的匹配能达到较好的效果。     

引入动量项的正交小波变换盲均衡算法

针对常数模算法(CMA)收敛速度慢的缺点,推导了均衡器的正交小波表示式及正交变换矩阵的表示式,在分析正交小波变换常数模盲均衡算法(WTCMA)的基础上,将动量算法引入WTCMA中,得到了一种引入动量项的正交小波变换常数模盲均衡新算法(MWTCMA).该算法将基于小波变换的常数模盲均衡算法和动量项相结合,通过归一化的正交小波变换和引入动量项来提高收敛速度.同时给出了算法的收敛条件,并对算法计算量进行了分析.水声信道仿真结果表明:与基于正交小波变换的常数模盲均衡算法(WTCMA)及常规常数模算法(CMA)相比,新算法具有更快的收敛速度,从而能更有效地实现信号与噪声的分离以及信号的实时恢复.     

非线性递推部分最小二乘及其应用

部分最小二乘回归(PLS)可较好地解决变量间的共线性问题,目前被广泛地应用于过程建模和监控.本文将递推PLS(RPLS)算法同RBF网络相结合,给出了一种非线性递推PLS方法(NRPLS),可根据在线数据自适应地调整模型结构和参数,使模型适应非线性过程的变化.在确定RBF网络的隐层节点参数时,采用了一种改进的k-means聚类算法,自动确定最优的聚类区数.该递推算法用于聚丙稀熔融指数软测量模型的在线修正,取得了较好的效果.     

聚类分析在彩色图像量化中的应用

提出了一种基于模式识别技术的彩色图像量化的新算法—基于最小距离最大的快速统计聚类算法(FSCAMMD)。本算法克服了SCA算法对聚类中心初始值选取的不足,给出了最大频度与类内最小距离最大相结合的方法—初始值优选法。实验结果表明,本算法可较大幅度地减少图像量化后的总方差以及颜色失真度,量化效果优于SCA和其它一些聚类量化算法。     

一种使用显著封闭边界的图像检索算法

在分析了基于边缘的图像检索方法的缺点后,提出了一种基于显著封闭边界的图像检索新算法。它使用基于图论方法的边缘比算法,从噪声图像中获取图像的显著封闭边界,然后以显著封闭边界来代表图像,每条显著封闭边界由边缘角度直方图来刻画,并以此特征进行图像间的相似性度量。由于图像的显著封闭边界代表了图像的显著结构,减少了短小边缘的噪声影响,故对图像检索十分有效。实验结果表明,本算法具有较高的检索准确率。     

基于多小波分布熵的图像检索

为了提高小波直方图的检索性能,提出基于多小波信息分布熵的图像检索算法。对检索图像进行多小波分解,并用滤波器对各个子图进行非线性滤波,计算多小波各子带的能量熵;对各子图的小波能量矩阵进行0/1量化,然后以各子带相同方向子图计算多小波分布熵;针对特征向量进行高斯归一化,利用欧氏距离计算不同图像间的纹理相似度。基于内容的图像检索试验表明,该方法的检索精度比快速小波直方图方法提高了9.7%。     

基于模糊粗糙k-均值的用户访问模式的聚类

Web用户访问过的网页以及在该网页上的浏览时间体现了用户的访问兴趣.为了更好的衡量任意两个用户访问模式之间的相似/相异度,每个用户访问模式都被转换成具有相等长度的模糊向量,其中每个元素要么是0要么是模糊语言变量,它体现了用户是否访问过该网页及在该网页上的浏览时间.由于类的边界可能是模糊的,因而使用粗糙k-均值法对这些代表用户浏览特征的模糊向量进行聚类.最后使用Davies-Bouldin指标来衡量聚类的效果.     

基于主元分析和稀疏表示的SAR图像目标识别

现有的合成孔径雷达图像目标识别方法通常包括图像预处理、特征提取和识别算法3部分。但是,预处理算法的自适应性很难得到保证。提出了一种基于主元分析和稀疏表示的目标识别算法。首先,阐述了稀疏表示和重构的基本理论;其次,提出了基于主元分析和稀疏表示的合成孔径雷达图像目标识别算法;最后,选取MSTAR数据库中的5类合成孔径雷达目标图像进行仿真。结果表明,在没有预处理的情况下,该算法仍能有效地识别目标,与主元分析和三阶近邻的识别算法相比,具有较高的识别率和鲁棒性。     

基于分级变换的自适应立体对应算法

通过分级变换将图像从灰度空间转换到新的等级空间,然后构造相应的匹配代价函数计算两个图像点之间的最大相似度,从而找出对应点和偏移值。分级变换可以有效的解决在立体对应中经常遇到的图像噪声、失真及左右图像的亮度差异等问题。大多数的自适应立体对应算法是以偏移量和灰度值两个自变量来构造代价函数,而构造合适的代价函数是一个困难的问题。本文中提出自适应窗选择算法只与灰度值有关。首先通过边缘检测提取出灰度边缘信息。本算法仅根据灰度边缘信息就可以进行自适应窗的选择。自适应选择图像窗的过程与偏移值无关,从而降低了构造代价函数的难度。实验结果说明本算法能够生成准确度较高的深度图,是一种较好的局部立体对应算法。