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。     

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。     

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．     

基于全局和角点特征的图像检索

图像的颜色、纹理和形状等视觉特征是图像信息描述的重要内容,而这些特征是从图像的全局提取还是从局部提取,对图像的可区分性描述是不同的。为了更全面地描述图像信息以提高图像检索精度,从整幅图像中提取HSV直方图特征和LBP特征,然后提取图像角点的Hu矩形状特征和基于GLCM的纹理特征,融合这两类特征,选用相对曼哈顿距离进行相似性度量完成图像检索。实验结果表明,该图像检索方法的查准率有了一定的提高。     

基于区域综合特征的图像检索方法

提出一种基于目标区域综合特征的图像检索方法,通过把图像分割为若干区域,然后提取区域的颜色、纹理、形状特征,在提取区域特征的基础上再进行区域匹配,然后进行检索和性能分析．实验结果表明,在基于目标区域的图像检索中,在查全率一查准率性能上,综合特征检索要比单一特征检索性能更好．     

基于区域综合特征的图像检索方法

提出一种基于目标区域综合特征的图像检索方法,通过把图像分割为若干区域,然后提取区域的颜色、纹理、形状特征,在提取区域特征的基础上再进行区域匹配,然后进行检索和性能分析．实验结果表明,在基于目标区域的图像检索中,在查全率一查准率性能上,综合特征检索要比单一特征检索性能更好．     

基于三支决策粗糙集的迭代量化的图像检索算法

由于基于全图的图像检索算法提取的特征存在噪声,而且只具备低层的描述能力,所以基于显著性检测的图像检索算法中,图像显著部分的不确定性会使显著性检测和图像分割后所得到的显著区域容易丢失重要信息,导致检索准确率低.提出一种基于三支决策粗糙集的图像检索算法.为了提取出图像的有用信息,忽略无关信息,该算法利用三支决策粗糙集理论将图像划分为显著区域、非显著区域和模糊区域,分别对显著区域和模糊区域提取特征,并共同参与检索.实验结果表明,该算法在Corel-1000数据集下,与现有先进算法相比,能有效地提高检索的准确率.     

利用颜色和纹理特征的图像检索技术研究

提出了融合颜色和纹理特征的图像检索算法.在颜色特征的提取中,提出了一种矩形重叠式分块策略对图像进行分块.在对纹理特征提取中,提出了利用共生矩阵对图像的整体区域有着较好的处理效果以及Gabor小波变换对图像中的局部区域的频率和方向信息的优异性能.利用归一化理论,融合3种不同特征.并通过实验证明该方法能够提高图像的检索性能.     

基于边缘角度二阶差分直方图的城市遥感图像检索方法

针对目前存在的遥感图像检索方法中,图像区域分割困难,不易准确提取局部形状特征的问题,提出一种无需进行区域分割的全局形状特征,即基于Freeman差分码思想的边缘角度二阶差分直方图特征;通过检索特征和传统的基于边缘角度直方图特征的遥感图像检索对比实验,揭示了该遥感图像检索方法具有更好的检索性能,检索精度提高了约32%。     

基于形状特征的图像检索技术

提出一种新的基于图像形状的检索方法.首先,用Canny算子对图像进行平滑处理,提取图像边界方向直方图特征;其次,用改进的不变矩来描述图像形状的区域特征,改进后的不变矩特征不受图像的缩放、平移和旋转影响;最后,为了克服不变矩只针对对象区域而忽视图像边界的缺点,提出改进的不变矩与边界方向特征相结合的方法,使得检索取得更好的...     

一种基于边缘不变矩推广的图像形状检索

目的 解决图像形状信息复杂,特征描述不够准确所导致的检索精度问题.方法 提出了一种基于Canny边缘提取的融合Hu不变矩及其推广的5个新不变矩作为形状的可视特征描述的方法,并通过归一化的特征向量的加权相似距离在图像形状检索过程中进行匹配.结果 实验结果表明:该方法能够充分利用图像的形状信息,比单一提取Hu不变矩特征具有更好的检索性能.结论 新推广的5个不变矩与原有的7个不变矩结合之后能够更为完整地描述图像的形状信息,并且能够提高检索性能.     

基于多特征的口腔正畸图像检索的研究

基于内容的图像检索技术一直是图像检索领域的研究热点,但单一的底层特征检索效果往往比较差。针对口腔正畸领域中的图像,采用一种多特征融合的图像检索方法,医生通过检索出的相似图像找到正畸病患的诊断信息,进而提高诊断效率。此检索方法的基本思想是采用累计直方图结合空间信息的方式来提取颜色特征;用Canny算子与Ostu阈值分割法相结合的方法进行图像分割,进而提取七个不变矩;最后,将颜色特征分量与形状特征分量相结合来实现基于多特征的图像检索。实验结果表明,基于多特征的检索方法对于口腔正畸图像有更好的检索效果。     

基于多特征融合的海洋生物图像检索方法的研究

基于内容的图像检索技术主要是通过提取图像的颜色、形状、纹理等可视特征作为图像检索依据,对图像库进行近似检索.针对海洋生物图像的特点,将离散余弦变换技术应用到图像检索中,计算基于圆环分割的图像块的DCT能量矩得到图像的纹理信息.在此基础上,提出了一种综合DCT能量矩和不变矩的多特征融合的图像检索方法,并将其应用到海洋生物图像检索中.实验结果表明,使用该方法可以提高海洋生物图像检索的准确率,且对图像的旋转、缩放和平移具有不变性.     

基于感兴趣区域的图像检索方法

提出了一种基于感兴趣区域的图像检索方法。在显著度图和相对位置指示图的基础上结合图像的颜色纹理信息,采用基于子区域的区域生长法提取图像感兴趣区域,对图像的特征描述采用感兴趣区域特征和图像整体特征相结合的方法,加入了对图像背景信息的考虑,同时也削弱了分割不准确带来的影响。实验证明该方法对于前景较为清晰或背景具有较大面积单色的图像具有较好的检索效果。     

一种融合多特征的图像检索方法

基于传统单一特征进行检索的方法已较成熟,本文在提取图像单一特征的基础上,综合三种特征并进行归一化处理进行检索.首先把图像分割成均等的九块并对中间模块加大权值来提取颜色特征,采用改进的不变矩来提取形状特征,最后提取图像的Tamura纹理特征.仿真实验显示,相比于传统单一特征的检索方法,该方法的查全率和查准率更高,更能符合人眼的视觉要求,检索效率更优,因而性能更好.     

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。     

基于颜色和形状的图像检索

提出一种基于颜色和形状特征的图像检索方法,该法采用改进的颜色直方图表示图像的颜色特征,利用小波矩提取图像的形状特征和颜色特片,与候选图像的特征进行相似度计算.为进一步提高图像检索的质量,提出一种基于支持向量机的相关反馈方法.实验结果表明,该方法具有较好的检索性能.     

一种图像检索中语义标注的算法

在图像颜色、纹理、形状特征提取的基础上，利用改进的串行与并行特征融合方法，提出了M融合特征，并且提出了一种基于M特征的改进组合优化的核函数并将之应用于高层语义提取算法中，从而把图像提取由单一特征转换到多融合特征提取，大大提高了图像语义理解的精准度，有助于更加全面地理解图像的语义，本文的方法对图像语义标注，提高图像检索精准度有一定的理论和实用意义.     

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。     

基于形状特征分划分的树状区域匹配图像检索

提出了一种依据形状特征划分的树状区域匹配的图像检索算法,其思想是首先基于形状特征将图像发为若干给定浓度的树状关系区域,再结合所划分区域的结构关系及其颜色特征进行匹配检索。通过2个检索粗过滤条件,显著提高了检索响应速度,应用此算法,图像中对象的几何变换（移动、旋转、比例缩放）不会影响到查询结果,实验测试的结果表明,与一般的颜色直方图匹配算法相比,该算法大大提高了检索效率。