Curvelet感兴趣区域相关图的纹理图像检索

提出了一种基于感兴趣区域纹理图像的检索方法.对纹理图像进行Curvelet多尺度分解,根据各层子带的能量分布提取感兴趣区域,并量化感兴趣区域Curvelet系数,计算颜色自相关图而构造图像的特征向量.在Brodatz纹理库中的实验结果表明,与原有基于Curvelet的纹理图像检索方法相比,所提出的方法对纹理图像检索的效果更佳.     

基于ROI的多分辨率网格框架的图像检索

提出一种新的基于ROI(regions of interesting)的多分辨率网格框架的图像检索方法。先利用网格对图像进行分块,并利用小波变换对分块进行多分辨率分析,以提取图像各分块的颜色和纹理特征信息,然后根据用户指定的感兴趣的区域得到查询子图,最后使用一种融合子图(integrated sub-images matching,ISM)的匹配方法进行图像检索。通过对比实验,证明该方法能够有效地得到降低图像检索的语义鸿沟,并取得很好的检索效果。     

基于感兴趣区域和神经网络的图像检索

提出一种感兴趣区域的图像检索方法,该方法首先采用遗传FCM算法对图像进行分割,然后提取分割后的区域特征进行检索;为了缩小低层特征和高层语义之间的语义鸿沟,最后提出一种基于神经网络的相关反馈方法,实验表明,该方法具有较好的检索性能,系统具有较高的查全率和查准率.     

基于ROI的多分辨率网格框架的图像检索

提出一种新的基于ROI(regions of interesting)的多分辨率网格框架的图像检索方法.先利用网格对图像进行分块,并利用小波变换对分块进行多分辨率分析,以提取图像各分块的颜色和纹理特征信息,然后根据用户指定的感兴趣的区域得到查询子图,最后使用一种融合子图(integrated sub-images matching, ISM)的匹配方法进行图像检索.通过对比实验,证明该方法能够有效地得到降低图像检索的语义鸿沟,并取得很好的检索效果.     

融合显著区域和非下采样Contourlet变换的图像检索方法

为了提高图像的检索性能,基于显著区域直方图和非下采样Contourlet变换技术,提出了一种图像检索新方法。首先,以兴趣点为基础实现图像显著区域和背景区域的划分,并提取这两个区域的直方图作为颜色特征;其次,对图像进行非下采样Contourlet分解,获得高频子带的均值和方差作为图像的纹理信息;最后,将得到的颜色特征和纹理信息有机结合对图像进行检索。实验结果表明,该方法性能稳定,具有较高的检索效率。     

基于颜色自相关图的区域定位图像检索

颜色自相关图表示了颜色的空间相关性,在图像检索方法中既有效且计算量小,但是该特征在检索前景较为清晰或背景具有较大面积单色的图像时误检率较高.针对此问题,本文提出了一种基于颜色自相关图的区域定位图像检索算法.该算法使用HSV颜色空间自相关图作为图像的底层特征,通过有效区域定位和二值位图来获得局部特征.最后,综合两种特征进行相似度量.实验结果证明,本文方法具有较高的检索精度,克服了颜色自相关图的片面性,显示了组合特征的有效性.     

基于交叉分块直方图的图像检索方法

在基于内容的图像检索技术中,颜色是常用的图像特征。提出了一种基于交叉分块直方图的图像检索方法。首先,对图像进行交叉分块得到若干子图像;然后提取子图像的颜色直方图特征,构造特征向量;最后根据空间距离度量图像间的相似程度,确定检索输出结果。用交叉方式分块得到的子图像间相互交叉重叠,能够在获取图像颜色特征空间分布信息的同时保持图像目标的完整性,并有效抑制图像背景区域对检索结果的干扰。仿真实验结果表明,基于交叉分块直方图的图像检索方法具有优于基于均匀分块直方图的图像检索方法的性能,适用于对多种类型图像的检索。     

基于空间像素强度的脑瘤图像检索方法

针对脑瘤图像提出一种基于内容的检索方法. 首先采用图像膨胀算法增强脑瘤图像的感兴趣区域(ROI); 然后基于点的空间像素强度的特征提取方法, 描述脑瘤图像增强后的ROI局部特征; 最后引入聚合特征算法提高图像特征的辨别能力和压缩能力. 实验对比3种脑瘤图象检索方法的结果表明, 该算法可得到较高的检索精确度, 可实现高效、 准确的脑瘤图像检索.     

基于DWT/DCT的医学图像感兴趣区域压缩方法

根据医学图像信息相对集中的特点，提出一种基于DWT／DCT的医学图像感兴趣区域压缩方法：对图像感兴趣区域（ROI）采用DWT变换；对背景区（BG）采用DCT变换。既保证了医学图像的高效压缩，又使得压缩后的医学图像不会因重要信息的丢失而影响医学诊断。     

基于显著性加权颜色和纹理的图像检索

显著性体现了图像中像素区域引起视觉注意的强弱程度,在图像检索中具有重要意义。本文提出的基于显著性加权的图像检索方法不需要分割出显著性区域,而以显著性加权的方式建立了新的颜色特征和纹理特征,从而增加了显著性区域的颜色与纹理特征的权重。通过对4种主要的显著图的实验比较发现该方法能有效提高检索效果。