具有鲁棒性的彩色图像检索方法

提出了一种鲁棒的图像检索方法,它能够在检索大规模图像库时实现基于内容的快速匹配.匹配的索引来源于重量化HSV颜色空间得到的灰度图(Z值图)的区域特征.由于Z值图由反映色彩的聚类区域组成,并且使用矩方法来表达特征,因此该检索方法是鲁棒的,具有2维平移、尺度、旋转不变性,同时可以避免逐点匹配产生的时间耗费.     

CIFO:针对显著对象的彩色图像检索方法

针对具有显著对象的彩色图像,尤其是事件和场景等语义简单的商标、地标图像,提出了一种组合特征的图像检索方法。在分析光谱能量结构模型的基础上,将颜色边界用于构建前景对象轮廓直方图,将颜色不变量用于提取对象的局部特征点,提出了一种结合对象轮廓与对象局部特征点的方法,称之为Freeman码与ORB特征综合法(color invariants to Freeman and ORB,CIFO)。应用CIFO对多组图像进行了实验,结果表明,对于检索具有显著对象的彩色图像,CIFO特征方法比目前基于特征检索的三种经典方法有明显优势。     

多视觉特征与K-centroid聚类的高分辨率遥感图像检索

目前基于单一内容的高分辨率遥感图像检索具有描述片面、信息不精确的问题。针对此问题,充分利用遥感图像的颜色、形状和纹理特征,将三者综合起来,形成多视觉特征的遥感图像检索,并通过一系列的迭代运算,得到这三种特征对待不同类遥感图像时各占的最佳比例系数,从而得到较好的检索结果。并针对分别计算遥感图像的颜色、形状和纹理特征,再将其融合导致在大图像库中进行检索时检索速度较慢这个问题,引入改进的K-centroid聚类算法,先对遥感图像库中的图像进行聚类,大大缩小了检索的范围,提高了检索速度。实验结果表明,该方法具有较好的检索结果。     

基于回归CNN特征融合的遥感图像检索方法

针对单一图像特征不能够全面反映图像信息，导致不同图像检索性能差异性较大的问题，该文提出了一种基于回归卷积神经网络(CNN)自适应融合多特征的遥感图像检索方法。该方法利用回归CNN模型对各特征的初始检索结果进行评价和估计权重，然后根据权重融合特征，以弥补单一特征对于图像描述能力的不足，提升检索精度。此外还利用图像到查询类的距离来进一步提高检索性能。在UCMD和PatternNet两个公开遥感检索数据集上进行了算法的测试和验证，mAP较其他方法分别提升了2.13%和1.32%。结果表明，该方法能够提高遥感图像检索的性能。     

一种有效的基于灰度共生矩阵的图像检索方法

提出了一种基于广义图像灰度共生矩阵的图像检索方法。该方法首先将原图像作平滑处理得到平滑图像,然后将原图像和平滑图像组合得到广义图像灰度共生矩阵,提取该矩阵的统计特征量,最后将该统计量组成归一化向量用以检索。实验结果表明,本方法的效果要优于单纯的灰度共生矩阵法。     

基于CNN-DW的遥感图像分类检索方法

针对传统图像检索方法存在的检索范围过大、检索效率低下的问题,提出了一种基于卷积神经网络和距离权重的图像检索方法(CNN-DW),该方法可以从海量遥感图像中检索出与查询图像具有相似或相同特征的检索图像,图像检索试验表明:CNN-DW检索法较传统卷积神经网络(Convolutional Neural Networks,CN...     

基于内容的图像检索系统分析

介绍了一种基于内容的图像检索方法（CBIR）,从其系统体系结构出发,阐述了基于内容的图像检索的几种索引技术,着重说明了基于图像颜色分布、纹理结构和形状的图像检索方法,并提出基于内容的图像检索中的几个关键技术,最后指出了图像检索技术的应用前景。     

一种改进包模型的遥感图像检索方法

目的 提出了一种改进的包模型图像检索方法,使用本底图像构建视觉词汇字典。在建库过程中,通过近似KD-Tree搜索本底图像局部不变特征与入库图像特征间的对应匹配关系,并记录该关系;图像检索时,搜索检索图像与本底图像特征的对应关系,进而计算与入库图像的关系。该方法仅保存本底图像的局部不变特征,可实现感兴趣区域的图像检索。实验结果表明,该方法在提高图像检索准确性的同时,可以减少所需存储局部不变特征的数量。     

一种新的基于内容遥感图像检索的图像分块策略

对常用的图像分块方法进行了说明，提出了平均块覆盖率、冗余数据比率等概念，以及平均块覆盖率和冗余数据比率是衡量CBRSIR系统分块方法优劣的重要标准这一论断。在此基础上，针对Quin-树存在的主要问题，提出了一种新的分块策略——Quin^＋-树，并将Quin^＋-树和Quad-树、Quin-树和Nona-树进行了分析和比较。实验证明，Quin^＋-树是最实用可行的CBRSIR图像分块方法。     

众包图像数据采集与聚类分析方法探讨

众包图像是由大众经过一定方法获取后通过互联网向公众或相关机构提供的一种开放式图像数据。利用网络爬虫工具在互联网上爬取了一定数量的众包图像,并分别探讨了单张图像聚类方法和多张图像聚类方法,以期为众包技术如何服务于智慧小城镇规划管理提供技术参考。利用K-means聚类方法对单张众包图像进行聚类,并探讨了分别利用Python语言和Java语言编程实现图像聚类的方法 ;利用层次聚类方法对多张众包图像进行聚类。     

一种定义影像相似性的新方法及其在影像检索中的应用

在众多基于内容的影像检索机制中,标准影像和待检索影像之间的比较是一种常用的方法。当前,影像比较的一个最大障碍是如何定义影像的相似性问题。现有的影像相似性系数的定义基本上是基于影像距离函数的,这些参数存在这样或那样的问题。本文从一个影像检索的实际应用问题出发,提出了一种基于变差函数的描述影像相似性的参数,并设计相应的算法,不仅很好地解决了实际问题,而且为影像相似性的描述提供了一个新的参数。     

基于颜色特征利用色矩与BTC法进行影像聚类

影像聚类是一种对影像数据进行分组的方法,在基于内容的影像检索中,如果能够利用较低层次的可视特征进行高效的影像聚类,将会大大提高影像检索的精度.文章分别利用色矩法与分块截短编码(BTC)方法提取影像颜色特征,然后采用K均值聚类算法来对两种方法进行聚类分析.实验结果表明,分块截短编码(BTC)方法的聚类精度优于色矩法.     

基于语义的图像检索应用研究

通过对图像固有的颜色、纹理、形状等特征的自动识别,结合相应的降维方法,改进了传统的图像检索技术,为多媒体数据的检索提供了有益的探索。     

利用SVM相关反馈和语义挖掘的遥感影像检索

针对语义鸿沟问题,将基于语义特征挖掘模型与支持向量机相关反馈方法相结合,建立了基于支持向量机相关反馈的人机交互遥感影像语义检索系统。实验结果表明,该方法利用高层语义特征及人机交互反馈信息缩小了语义鸿沟,提高了影像检索的精度。     

利用视觉词袋模型和颜色直方图进行遥感影像检索

基于内容的遥感影像检索已经成为遥感领域的研究热点,因此,本文提出了一种综合视觉词袋模型和颜色直方图的遥感影像检索方法,利用尺度不变特征算子提取影像的局部不变特征,通过视觉词袋模型组合局部特征,生成每幅影像的金字塔直方图,接着结合每幅影像的颜色直方图生成更有区分性的特征向量,利用新的特征向量集训练支持向量机分类器,通过分类器输出与查询属于一类的影像,完成遥感影像检索。试验结果表明,本文方法不仅提高了影像检索的查准率和查全率,并且验证了该方法能有效克服影像光照、噪声、方向等变化,鲁棒性较好。