基于纹理谱描述子的图像检索

本文利用一种相关性弱的纹理谱描述子来描述图像的纹理特征．该纹理谱描述邻域内像素灰度变化模式,并以纹理谱直方图形式表示图像内容．建立了基于中文自然语言纹理描述词的图像检索系统,构建了纹理属性词典．实验结果证明,基于纹理谱描述子的特征是提取方法速度快,检索准确率高．     

基于纹理特征的图像检索研究

该文讨论了图像纹理特征的提取与表达,在理论探讨的基础上做相应改进,使检索结果的准确度得到提高,并开发出一个试验系统验证该方法的有效性。试验证明基本达到了预期效果。     

基于模糊及分块主纹理谱的图像聚类

基于主颜色方法提出分块主纹理谱的概念,在每个分块中自动生成阈值来过滤噪声.从模糊逻辑的角度出发提出一种新的纹理谱描述符,结合区域灰度平均值,构造隶属函数来计算纹理单元值.实验证明,所提出的方法在图像聚类方面达到较好的聚类效果.     

基于纹理特征的图像检索研究与实现

该文讨论了图像纹理特征的提取与表达,在理论探讨的基础上做相应改进,使检索结果的准确度得到提高,并开发出一个试验系统验证该方法的有效性.试验证明基本达到了预期效果.     

基于目标区域颜色与纹理特征的图像检索

该文提出一种基于目标区域的图像检索方法。该方法首先利用色度直方图完成对图像目标区域的提取；然后以目标区域的纹理特征作为全局图像的特征向量进行图像间相似度的检索。该方法综合利用了图像的颜色及纹理特征，并根据人的视觉习惯以图像目标区域的特征作为图像的检索特征。实验表明，该方法在检索效果和检索效率上都优于利用单一特征或全局特征的检索技术。     

基于纹理的图像检索算法研究

多媒体技术是信息时代高度发展的重要体现,在多媒体技术中对海量信息的高效管理就成为一个重要的研究领域,海量图像数据库的检索是近期多媒体技术研究的一个热点问题,基于内容图像检索(CBIR)研究是图像检索一个重要的研究方向,CBIR中传统的基于最佳尺寸的纹理粗糙度算法纹理粗糙度算法结果比较符合人眼的视觉感受,但也存在着不足之处,文中从选取领域尺寸和计算领域均值差值这2个方面对此算法进行改进,采用线性量化方法来选取领域尺寸,计算领域均值差值时在像素局部梯度方向上进行,从而提高纹理粗糙度算法对纹理冒失的分辨能力,并且保证纹理粗糙度算法具有良好的旋转不变性,通过实验结果分析,改进的算法在分辨能力和旋转度不变性上明显优于原算法.     

基于纹理特征的超声医学图像检索

在医学信息学领域，对医学图像物理特征的研究有助于实现图像的自动分析和基于内容的检索，为此，提出一种改进的Gabor纹理特征提取方法．通过超声医学图像的分析获得图像主要的纹理频率和方向特性，以此构成图像纹理特征矢量，降低了图像的纹理特征的维数．用该特征进行基于内容的图像检索，避免了采用Gabor小波在检索中带来的维数危机．通过对五类超声心动图像的检索实验，证明该方法的检准率和检全率较高，检索时间较短，能够取得较为满意的结果．     

基于底层纹理特征的图像检索

讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征,并对此进行了比较和分析,实验表明,基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。     

基于小波分解的纹理图像检索

本文利用多层小波分解后的小波子带的统计信息(均值和方差)组成特征向量进行纹理图像检索是一种有效的方法。本文提出了一种利用准则函数选择有效小波子带的新方法。该方法能够去除对图像检索效果产生干扰的或冗余的小波子带,因此有效降低了特征向量的维数。实验结果表明该方法快速,有效,具有很好的检索效果。     

基于小波纹理特征的医学图像检索

为了缩小图像高层语义与底层特征之间的鸿沟,提出了一种基于共生矩阵的图像纹理特征提取的新方法.该方法结合了图像的频域统计特征和空间分布特性,首先通过小波变换提取图像的局部频域信息,然后结合图像的整体结构特征,构建用于提取图像纹理特征的小波灰度共生矩阵.通过对比实验表明,与分别使用其他灰度共生矩阵和小波特征相比,基于小波灰度共生矩阵的纹理特征提取方法在医学图像检索中取得了更好的效果.     

基于局部二元模式算子的人脸性别分类方法

提出了两种基于局部二元模式(Local Binary Pattern,LBP)算子的人脸性别分类方法:级联LBP方法和boosting LBP方法.前一种方法遵循从局部到整体的级联策略,使用LBP算子对由小波分解得到的细节图像进行特征提取,以达到扩充特征提取范围和增强所提取特征的有效性的目的,随后采用自适应加权机制对人脸图像的各个分块赋以不同的权值.后一种方法采用可变尺寸的子窗口对人脸图像进行扫描,在扫描所得的每个子窗口中,使用LBP算子对该子窗口提取LBP直方图.计算样本图像的LBP直方图和模板的LBP直方图之间的度量,并由此构建弱分类器集.利用Adaboost算法选取最有效的若干个弱分类器集组合成为强分类器.进行了三个基于LBP算子的人脸性别分类实验,实验所使用的训练集和测试集皆选自FERET人脸数据库.实验结果证明:LBP算子能有效地从人脸图像中提取出针对人脸性别分类的特征,并可以达到人脸性别分类的目的.所提出的两种基于LBP算子的方法可以有效的解决传统LBP方法所存在的特征提取范围有限、加权机制客观性不足等问题.     

基于半圆形局部二值模式结构相关性描述子的图像检索

针对传统的结构基元方法缺少对不同量化颜色层中的中心像素点与其潜在邻居的相似性信息描述问题,提出了一种半圆形局部二值模式结构相关性描述子,并将其应用在图像检索中.首先,定义了一种新的半圆形局部二值模式结构基元;其次,检测不同量化颜色层中的结构基元;最后,提取新结构基元的空间分布和对比度特征.相比传统的结构基元方法,提出的描述子检测的结构基元更加丰富,包含更多可能的结构区分性.在不同图像库上的实验结果表明了所提方法的有效性.     

采用自适应加权扩展LBP的单样本人脸识别

提出了一种采用自适应加权扩展LBP(AWELBP,adaptively weighted extended local binarypattern)的单样本人脸描述方法,首先对单样本的人脸图像进行多尺度分块,对子块的图像进行扩展均匀LBP算子运算,同时同步生成图像局部熵图谱(LEM,local entropy map),计算每一子块对整体人脸图像纹理描述的贡献度图谱,根据贡献度图谱对每个子块的LBP直方图进行自适应加权,最后将各子块的LBP直方图进行连接形成人脸特征。本算法在ORL、Yale、Yale B人脸库上对部分遮挡、表情变化、光照变化等环境进行测试,并与传统算法以及与多种LBP改进算法进行比较,结果表明该算法对部分遮挡、表情变化和光照等环境下单样本人脸描述具有较好的效果。     

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。     

基于改进的局部方向模式人脸表情识别算法

针对LDP利用Kirsch算子计算8方向的边缘响应值并排序,特征提取速度慢的问题,提出了一种改进的分解局部方向模式DLDP(divided local directional pattern)特征提取方法。将Kirsch算子的8个方向掩模分成2个子方向掩模再分别计算边缘响应值,获得2个编码(DLDP1和DLDP2),级联两个编码的直方图得到表情特征DLDP。然后利用主成分分析法(PCA,principal component analysis)降维处理。最后用支持向量机进行表情识别,在JAFFE数据库上的实验表明,本文方法与近几年效果较好的特征提取算法相比,不仅缩短了特征提取的运算时间,而且提高了识别率。     

基于颜色及空间信息的图象检索方法

为解决目前的颜色检索方法多没有较好地结合图象的空间分布特征的问题,采用改进的区域增长法对图象进行分割,即先检查各区域的均匀性,对不均匀区域进行分裂。在一定程度上改善了对纹理图象的分割效果。然后根据分割区域的灰度、形状、空间位置等特征计算图象间的相似度。并提出采用图象的灰度特征代替彩色信息以提高查询速度。     

融合主动外观模型与局部二元模式的人脸识别

提出一种新的人脸识别算法.首先,利用主动外观模型(active appearance model,AAM)提取人脸五官特征点,进而获得人脸区域的全局纹理特征;然后对人脸区域中的若干个局部子块进行加权局部二元模式(local binary pattern,LBP)的特征组合;接着分别对这两类特征进行最近邻法则匹配;最后,采用基于模糊综合的原理对这两大类特征进行数据融合,给出最终识别结果.实验表明该算法的有效性,能够很好地结合人脸图像全局和局部的互补信息,识别效果优于各单一模块的分类性能.     

一种新型的基于自适应局部二值模式的纹理分类算法

局部二值模式(LBP)在纹理特征提取时,易受光照、旋转、噪声等复杂条件的影响.本文定义一种新型自适应局部二值模式,通过考虑模式的均匀度和相似度,来实现纹理模式分类和特征值计算.结合差分运算,分别在差分二值矩阵和差分绝对值矩阵上计算自适应纹理特征,并将两部分特征值连接成一个空域增强的特征向量,采用最近邻分类器完成图像分类识别.实验结果表明,该算法在复杂条件下具有更好的识别效果.     

基于重选择流形排序的图像检索

在研究已有基于流形排序图像检索算法存在问题的基础上,提出一种基于重选择流形排序的图像检索算法,此算法可以在节约时间的同时,进一步提高检索结果的精度,并在实际图像数据库中的实验结果验证了此算法的有效性.     

基于快速聚类索引的图像检索系统

为了提高基于内容的图像检索系统的检索速度,提出了一个基于快速聚类索引的图像检索算法,并将其应用于视频新闻检索系统中.该算法采用Fastmap算法实现图像高维特征向量降维,并用改进后的模糊C均值聚类算法对降维后的图像进行聚类,生成图像索引.该算法用于图像检索,检索时间不会随着图像数据库中图像数量、特征向量维数的增加而增加,极大地提高了系统的检索效率,有效地解决了聚类中心初试值的选取问题.同时利用该算法构成的系统还具有动态删除、分裂、合并、插入等功能.实验结果表明,与顺序扫描算法相比,该系统不仅大大提高了检索速度,而且在图像数目和特征向量空间维数增大的条件下,仍能够获得良好的检索性能.