基于颜色特征的图像检索方法的研究与实现

采用欧式距离法,利用UIUC图像数据库中的pea-cock类分别对颜色直方图,累积颜色直方图,颜色矩和模糊颜色直方图等颜色特征提取算法进行验证与比较,通过比较可知,采用同一数据库,模糊颜色直方图会得到比较好的检索效果。     

基于形状特征的图像检索方法的研究与实现

在研究与分析了形状特征提取算法和相似性度量算法的基础上,采用欧式距离法,利用UIUC图库中的鸟类、蝴蝶类和Caltech101图像库中chair类、strawberrv类等4类图库,对Hu不变矩特征提取的图像检索算法进行验证,并对不同测试图库所得到的实验结果进行比较.从实验结果可以看出,对背景相对简单、对象的形态各异的图像还是具有较好的检索性能,可以得到较好的检索效果.     

多聚焦图像融合的最佳小波分解层数

多聚焦图像融合的最佳小波分解层数的确定是图像融合研究中的一个热点,本文提出了一种确定多聚焦图像融合的最佳小波分解层数的方法。本文采用四种经典的图像相似性度量指标计算不同小波分解层的低频子带信号的相似度,根据相似性度量的计算结果来确定最佳的小波分解层数。然后比较不同分解层的融合后的图像与原始图像,来验证最佳小波分解层数的选择的合理性。实验结果表明了该方法是可行的、有效的。     

基于修改特征权重的图像检索反馈系统实现

图像检索系统根据用户的反馈信息自适应的调整查询策略,使系统查询的结果进尽可能的与用户实际需求相吻合。本文描述了一个基于修改特征权重的图像检索反馈算法,基本思想是基于图像集合的标准方差来对图像的特征向量进行权重修改。基于此算法,设计和实现了一个基于内容的图像检索反馈系统。实验证明,此系统比传统的检索系统有优势,精度更高。     

基于纹理特征的一种图像检索方法的实现

提出了一种基于纹理特征的“区域－图像”的检索方法，该方法包括两种基本的技术：一是利用共生矩阵提取六种不同的纹理特征；二是利用归一化相关的方法进行纹理特征向量的相似性度量。通过实验，证明了该方法可以产生比较满意的检索结果。     

基于内容图像检索的相似性度量研究

图像的相似性度量是基于内容的图像检索技术中的一个非常关键的问题。理想的图像相似性度量方法应该能满足人的视觉特性,能够使得视觉上相似的图像间具有较小的距离,也就是说二者的相似度越大,其距离就越小。很显然,选择的相似性度量方法对图像检索结果的影响很大,相似性度量方法的好坏会直接影响到图像检索的性能。所以对常用的相似性度量的方法进行分析,并提出将来相似性度量的研究方向很有必要。     

基于显著性特征的图像检索相关反馈算法研究

基于内容的图像检索研究的目的是实现自动地、智能地检索图像,从而使查询者可以方便、快速、准确地从图像数据库中查找特定图像。基于显著性特征的图像检索相关反馈算法是在Rui所提出的基于特征权重调整的相关反馈算法的基础上提出的一种新的反馈策略,以提高图像数据库检索的效果。     

基于颜色和纹理的图像检索

提出一种基于颜色和纹理特征的图像检索方法,采用颜色直方图表示图像的颜色特征,利用Gabor小波提取图像的纹理特征,为进一步提高图像检索的质量引入相关反馈机制,提出了一种动态调整两幅图像相似度中颜色特征和纹理特征的权值系数的方法。实验结果表明,该方法具有较好的检索性能。     

基于颜色和边界方向特征的图像检索

由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.     

一种基于修改特征权重的图像检索反馈算法的研究与实现

图像检索系统是根据用户指定的信息自适应地调整查询策略,实现智能地从图像数据库中查找出特定图像的系统。文章提出一种新的基于修改特征权重的相关反馈算法,增加未标注图像与反例图像训练样本数,解决相关反馈算法中忽略未被标注的图像的问题。实验证明,采用该算法的系统比传统的检索系统有优势,精度更高。     

基于分层聚类相关反馈算法的图像检索技术研究

基于内容的图像检索研究的目的是实现自动地、智能地检索图像,研究的对象是使查询者可以方便、快速、准确地从图像数据库中查找特定图像的方法和技术。通过把分层聚类策略与传统的相关反馈算法相结合,提出一种新的图像检索方式,并通过实验加以验证。     

基于内容图象检索的相关反馈机制

图象数量的爆炸性增长,使得基于内容的图象检索成为一个研究的热点,而以计算机为中心的图象检索方式又有一定的局限性,因此在图象检索中引入相关反馈机制越来越显示出它的重要性.本文简要介绍了基于内容图象检索中相关反馈的工作过程以及一些常用的相关反馈检索机制,它将人也作为检索系统的一个部分,根据用户的反馈重新查询,从而提高检索精度.     

图像检索中基于最大信息获取量的主动学习算法

本文提出一种基于内容的图像中的主动学习算法. 首先用支撑向量机学习得到初始查询概念, 然后用相似性测度对其进行检验, 选取信息量最大的样本来请求用户标记, 最后在相关反馈的迭代优化过程中获取用户的图像查询概念. 算法通过支撑向量机二值分类器与相似性测度2种不同学习模型的融合, 来减轻它们各自所存在的模型偏置. 实验结果显示, 所提算法能够显著提高图像检索的精确度, 在少量的反馈迭代之后即能准确地获取目标概念.     

结合二维典型相关分析和相关反馈的图像检索

综合二维典型相关分析和相关反馈的图像检索方法,首先利用颜色直方图法对样本图像进行初步检索,接着手工标注用户满意的图像作为正样本,其余的作为负样本.利用正负样本的颜色分块特征训练图像分类器,通过训练好的分类器对图像进行进一步检索.实验证明,我们的方法在目标不太明确的情况下,通过相关反馈操作的检索性能会获得一定的提升.     

基于本体和相关反馈的动漫图片检索研究

随着动漫产业的迅速发展,传统的手工绘图已逐渐被计算机软件绘图所代替.在动漫创作时,通过检索系统对图片进行共享和复用,可以减少重复劳动和降低开发成本.传统检索系统集中在关键字匹配方面,查准率不高.为解决此问题,提出一种基于本体和相关反馈相结合的动漫图片检索方法,并通过实验验证了系统的有效性和实用性.     

A flower image retrieval method based on ROI feature

INTRODUCTION There are about 250000 named species offlowering plants and many plant species that havenot been classified and named. Plant classificationand identification is a very old field. So far, thistime-consuming process has mainly been carriedout by taxonomists and/or botanists. A significantimprovement can be expected if the plant identifi-cation can be carried out by a computer automati-cally or semi-automatically with the aid of imageprocessing and computer vision techniqu…     

A flower image retrieval method based on ROI feature

Flower image retrieval is a very important step for computer-aided plant species recognition.In this paper,we propose an efficient segmentation method based on color clustering and domain knowledge to extract flower regions from flower images.For flower retrieval,we use the color histogram of a flower region to characterize the color features of flower and two shape-based features sets,Centroid-Contour Distance(CCD)and Angle Code Histogram(ACH),to characterize the shape features of a flower contour.Experimental results showed that our flower region extraction method based on color clustering and domain knowledge can produce accurate flower regions.Flower retrieval results on a database of 885 flower images collected from 14 plant species showed that our Region-of-Interest(ROD based retrieval approach using both color and shape features can perform better than a method based on the global color histogram proposed by Swain and Ballard(1991)and a method based on domain knowledge-driven segmentation and color names proposed by Das et al.(1999).