基于内容的图像检索技术

目前各行业对图像的使用越来越广泛,如何有效、快速地从大规模图像数据库中检索出需要的图像,是目前一个相当重要而又富有挑战性的研究课题.但传统的图像检索技术是基于文本的检索技术,这种方法虽然简单易行,但存在一些致命的缺点,严重影响了对图像信息的有效使用.为了克服传统方法的缺点,提出了基于内容的图像检索技术,该技术能够全面客观地提取图像内容,能有效地获取所需的视觉信息,能使图像数据库中的信息得到有效的管理.     

基于颜色特征的图像检索方法

针对颜色特征在基于内容的图像检索领域的重要作用,阐述了表示图像颜色的常用颜色模型,给出了几种图像颜色特征提取和颜色的相似性度量方法,并对各种方法的检索性能进行了对比分析,得出相应结论。     

基于内容的图像检索技术

基于内容的图像数据库检索技术是当今的一个研究热点.本文介绍了基于内容图像检索的基本原理、检索方式和关键技术,并列举了几种较为先进的图像检索系统.最后探讨了当前研究中存在的问题以及今后的研究方向.     

基于内容的图像检索中的一种多粒度组合查询方法

将图像分成不同层次度量时，由于不同层对最后结果所起的作用不同，因而在合并不同层产生的结果集时，应该考虑应用非线性变换。文章在图像信息的层次化描述模型的基础上，提出了一种用神经网络组合不同层的查询结果的方法，实验表明该方法是可行的。     

基于“点到面”策略的图像检索

图像检索是计算机视觉领域的一个重要分支。其主要目的是从图像数据库中找出与查询图像相似的语义图像。传统的图像检索方法是在查询图像和数据库图像之间进行“点到点”检索。但是,单个查询图像包含的类别提示较少,即类别信息较弱,使得检索结果并不理想。为了解决这个问题,本文提出了一种基于“点到面”的类别检索策略来扩展一个图像（点）到一个图像类别（面）,这意味着从单个查询图像到整个图像类别的语义扩展。该方法挖掘了查询图像的类别信息。在两个常用的数据集上对所提出方法的性能进行了评估。实验表明,该方法可以显著提高图像检索的性能。      

基于内容的图像检索技术研究

随着互联网技术的快速发展,传统的基于关键字的图像检索已无法满足人们的需要,基于内容的图像检索技术(CBIR)越来越受到人们的青睐.现阐述了基于内容的图像检索系统的组成和基本原理,并着重介绍了CBIR的特征提取,相关反馈的关键技术,最后指出了基于内容的图像检索存在的问题和发展方向.     

基于图像直方图混合度量匹配的图像检索

本文通过分析图像的空间信息和颜色之间的相关性，提出一种基于直方图混合度量的图像检索方法。实验证明本文提出的方法其检索效果明显优于传统直方图方法。     

基于内容的图像检索

基于内容的图像检索技术在数字图书馆、网络信息安全、预防犯罪、知识产权、医疗诊断、地理信息系统及遥感等领域有着广泛的应用。他是目前图像检索技术中比较前沿的研究热点。对基于内容的检索技术的研究意义和研究现状进行了阐述;着重介绍了基于内容(颜色、纹理、形状)的图像检索技术;最后介绍了基于内容的图像检索的发展方向。     

基于内容的图像检索研究

多媒体信息化技术的发展使得基于内容的图像检索变得更加便捷、精确、高效,基于内容的图像检索是根据图像的特征进行信息提取,进而用于检索,颜色、纹理和形状是图像内容的组成要素。笔者根据工作经验,将从常见的图像检索系统分析着手,研究图像内容元素,并就基于内容的图像检索应用进行探讨,为相关的研究提供参考性的建议。     

基于内容的图像检索技术研究

在对海量的图像数据进行检索时,传统的基于数值/字符的信息检索技术并不能满足要求.因此,基于内容的图像检索技术(CBIR:Content-Based Image Retrieval)的研究应运而生,并引起了广泛关注.本文主要讨论CBIR研究中的一些关键问题:图像的内容特征及其提取、特征之间的相似度计算、查询条件的表达、检索性能的评价、压缩域的图像检索技术等等,并指出了一些可值得深入研究的方向.     

一种分形域基于内容的图像检索方法

基于内容的图像检索是多媒体、网络通信及计算机等应用研究领域的一项关键技术。该文提出了一种在分形压缩域直接进行基于内容的图像检索方法。该方法不需要对查询图像进行分形变换，因此可以提高检索速度，降低检索复杂度。仿真结果表明，使用该文提出的方法，能够有效地进行分形域基于内容的图像检索，比较大幅度地降低了检索时间，优于试验中其他3种方法。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法.首先,提取查询图像和图像库中样本图像的GIST(Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果.实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率.     

基于颜色特征图像检索方法的研究

对颜色特征进行了分析,对颜色空间的选取,颜色的量化,颜色相似度进行了描述,论述了基于颜色特征图像检索的主要方法直方图相交法,主要颜色表示法,基于参考颜色表方法,基于区域的颜色法及其它们的改进方法,并作出了相应的比较.     

基于内容的图像检索技术的研究与实现

如何为内容丰富多变的大量图像数据编制索引并利用该索引进行高效地相似检索是研究的核心问题。相似图像检索系统通过图像特征提取器提取图像的特征,提供访问图像内容的方法;距离函数是用来计算这些特征之间相似程度的主要工具。实验证明,该系统可以高效地为用户检索出指定特征的图像,对实际应用具有重要的价值。     

Content-based image retrieval using local visual attention feature

Content-based image retrieval (CBIR) has been an active research topic in the last decade. As one of the promising approaches, salient point based image retrieval has attracted many researchers. However, the related work is usually very time consuming, and some salient points always may not represent the most interesting subset of points for image indexing. Based on fast and performant salient point detector, and the salient point expansion, a novel content-based image retrieval using local visual attention feature is proposed in this paper. Firstly, the salient image points are extracted by using the fast and performant SURF (Speeded-Up Robust Features) detector. Then, the visually significant image points around salient points can be obtained according to the salient point expansion. Finally, the local visual attention feature of visually significant image points, including the weighted color histogram and spatial distribution entropy, are extracted, and the similarity between color images is computed by using the local visual attention feature. Experimental results, including comparisons with the state-of-the-art retrieval systems, demonstrate the effectiveness of our proposal.     

Content-based image retrieval using a fusion of global and local features

Color, texture, and shape act as important information for images in human recognition. For content-based image retrieval, many studies have combined color, texture, and shape features to improve the retrieval performance. However, there have not been many powerful methods for combining all color, texture, and shape features. This study proposes a content-based image retrieval method that uses the combined local and global features of color, texture, and shape. The color features are extracted from the color autocorrelogram; the texture features are extracted from the magnitude of a complete local binary pattern and the Gabor local correlation revealing local image characteristics; and the shape features are extracted from singular value decomposition that reflects global image characteristics. In this work, an experiment is performed to compare the proposed method with those that use our partial features and some existing techniques. The results show an average precision that is 19.60% higher than those of existing methods and 9.09% higher than those of recent ones. In conclusion, our proposed method is superior over other methods in terms of retrieval performance.     

一种基于区域的图像检索方法的研究

针对目前基于全局特征的图像检索系统存在的局限性,提出了一种基于区域的检索方案.首先应用K均值聚类算法将图像中的像素按颜色进行聚类,每一类近似对应于图像中的一个一致性区域,在区域上提取颜色和纹理特征.这种方式将检索过程深入到图像内部的物体中去,在一定程度上体现了图像的语义特性;在相似性匹配阶段,提出了一种基于区域的相似性匹配算法,并在实验中证明了其有效性.     

Content-based image retrieval using H.264 intra coding features

Efficient multimedia retrieval has become a vital issue because more audio and video data are now available. This paper focuses on content-based image retrieval (CBIR) in the compression domain (CPD). The retrieval features are extracted based on I-frame coding information in H.264. This paper proposes using a local mode histogram as the texture feature to match images and applying the residual coefficients to filter non-confident modes. The geometrical correspondence between two images is also considered. The experimental results show that the proposed method can substantially reduce computational and memory resource consumption, and provides similar performance compared with methods that extract features from decompressed images.     

用于纹理检索的多尺度复杂性纹理描述子

提出了基于复杂性度量和图像多尺度分析的纹理特征提取方法,提取后的特征用于纹理检索.使用的复杂性度量为一维和二维CO复杂性.采用的图像多尺度分析方法有金字塔分解、小波分解(Haar小波与Db2小波)和二维经验模式分解.实验结果表明:提出的基于Db2小波分解的一维和二维CO复杂性特征是适于纹理检索的特征.它们均取得了和Ga...