一种新的基于关键子块的图像检索算法

为了将有效的文本检索技术应用到图像检索中,结合人眼视觉特性及方块编码的思想,提出了一种基于图像关键子块的检索算法.即首先利用图像方块编码的思想将图像预先分成互不重叠的子图像块,然后利用方块编码的思想,根据块的灰度差对这些子图像进行独立地编码,这些子图像的方块编码构成的块不仅能有效的描述图像的纹理内容,而且可以反映图像的形状分布和边缘分布.以此来定义图像的关键子块.最后借助文本检索技术来实现图像检索.同时,考虑到不同类型关键子块在图像中出现的频度对检索效果的影响,又提出了相应的改进算法.实验结果表明,该算法是有效的.     

基于位平面分布特征的图像检索算法

针对利用颜色直方图检索时存在的问题,提出了一种基于位平面空间分布特征的图像检索算法.首先结合光照、锐化、模糊等噪声的攻击特点,将图像分解为8个位平面,然后提取对表征图像结构特征有意义的4个位平面的空间分布信息组成特征矢量来多层次地对图像特征进行描述.为了避免图像中像素灰度值的微小变化对位平面的影响,又提出了采用位平面的格林码表示方法.考虑到位平面之间的相关性,最后设计了权值矩阵,采用马氏距离进行相似性度量.实验结果表明,该算法利用位平面分解的方法来提取颜色的空间分布特征,又避免了颜色量化引起的误检问题,而且提取的特征矢量维数较低,因而具有较高的检索率.     

基于位平面分布特征的图像检索算法

针对利用颜色直方图检索时存在的问题,提出了一种基于位平面空间分布特征的图像检索算法.首先结合光照、锐化、模糊等噪声的攻击特点,将图像分解为8个位平面,然后提取对表征图像结构特征有意义的4个位平面的空间分布信息组成特征矢量来多层次地对图像特征进行描述.为了避免图像中像素灰度值的微小变化对位平面的影响,又提出了采用位平面的格林码表示方法.考虑到位平面之间的相关性,最后设计了权值矩阵,采用马氏距离进行相似性度量.实验结果表明,该算法利用位平面分解的方法来提取颜色的空间分布特征,又避免了颜色量化引起的误检问题,而且提取的特征矢量维数较低,因而具有较高的检索率.     

一种新的基于纹理和空间分布特征的图像检索

提出一种新的基于纹理和空间分布特征的图像检索方法.将检索图像分块,采用平移和尺度不变小波对各图像子块进行分解,在改进的快速小波直方图算法基础上提取图像子块的小波直方图,并提取每个图像子块的小波信息熵和三阶中心距作为纹理特征.对小波信息熵和中心矩特征进行高斯归一化,并利用特征向量的欧氏距离计算图像的纹理和空间特征的相似度.基于纹理图像库和自然图像库的检索试验表明,该方法比基于快速小波直方图算法和对数极坐标变换检索算法具有较高的检索准确度.     

一种遥感影像基于内容检索模型的研究与设计

分析了基于内容的图像检索技术,提出了一种与遥感影像应用模式紧密结合的遥感影像基于内容检索的模型,重点分析和讨论了该模型所采用的特征提取算法,并提出需要进一步研究的内容.     

基于多尺度Radon变换的图像检索

根据Radon变换的统计特性构造了不变量,提出一种新的基于多尺度Radon变换的图像形状检索方法.对检索图像作小波变换,根据小波模极大原理得到边缘图像,对边缘图像构造Radon变换中心矩,在中心矩的基础上根据Radon的统计原理构造出尺度不变矩.由于矩阵的奇异值具有旋转不变性,因此针对不变矩向量矩阵求奇异值,该奇异值特征向量具有平移、尺度和旋转不变性.将该Radon变换的不变量作为形状特征,并进行高斯归一化,按照欧氏距离计算不同图像间的形状相似度.试验结果表明,该方法对高斯噪音具有较强的鲁棒性,与其它方法相比具有较好的检索效果.     

基于光谱特征的高光谱遥感影像检索

面向海量遥感信息管理中遥感影像检索的需求,以高光谱遥感信息为例对光谱特征应用进行了探讨,提出基于光谱特征的遥感影像检索包括基于点源示例的检索和基于面源示例的检索,检索中的关键问题是光谱特征提取与相似性度量。基于光谱曲线的相似性度量可以采用光谱角和光谱信息散度进行;基于光谱特征的检索可以通过提取反射和吸收光谱、光谱特征匹配的方法进行;而光谱曲线量化指标如中心矩、分维数和信息熵等的效果较差,不适宜应用于检索。     

基于神经网络和HVS的空域数字水印算法

为了弥补空间域水印算法在提取水印时需要原宿主图像、鲁棒性较差等缺点,提出一种基于BP神经网络和人眼视觉特性(HVS)的空域数字水印算法。先选出原宿主图像对比度函数值最大的前块用于二值水印图像的嵌入,利用神经网络能够逼近任意非线性关系的特点和其自适应性,构建水印信号嵌入前后图像块像素值间的映射关系,实现了水印的盲提取,并将该算法与现有算法进行了对比。实验结果表明,对于JPEG压缩、加噪、剪切和旋转等常见的图像处理攻击,算法具有良好的鲁棒性和不可见性。     

基于稀疏编码和卷积神经网络的地貌图像分类

提出了一种基于稀疏编码和卷积神经网络的地貌场景图像分类算法;利用非下采样Contourlet变换对训练样本进行多尺度分解;在训练样本中选择图像,利用稀疏编码学习局部特征,对特征向量进行排序;选择灰度平均梯度较大的特征向量对卷积神经网络卷积核进行初始化。结果表明:所提算法可以获得比传统底层视觉特征更好的分类结果,有效避免了网络训练陷入局部最优的问题,提高了自然场景下无人机着陆地貌的分类准确率。     

近自然彩色图像融合算法及其实时处理系统的发展

在军事和生产领域,特别是在极其恶劣的可视条件下,图像融合技术越来越强调融合效果显示的"近自然"感觉,以及人类视觉感知的要求。从彩色图像融合算法的发展概况出发,着重介绍了两种具有代表性的基于视觉特性的近自然彩色图像融合方法,并特别阐述了课题组近期开展的相关算法研究成果。总结了国内外实时彩色图像融合系统的发展现状,概括了课题组已具备的硬件实验基础,综合分析了实时彩色图像融合技术的若干关键技术,如多源图像特征分析、实时图像配准、融合图像后处理等。针对实时图像融合技术的应用状况,提出图像融合系统未来的发展趋势。     

基于率失真斜率提升的干涉多光谱图像压缩

提出了一种基于优化截取内嵌块编码的矩形感兴趣区域编码的干涉多光谱卫星图像压缩方法,不需要对小波域的系数进行提升,而是在码流组织时通过对多光谱区域自适应失真跟踪实现。解码器不需要进行小波域系数的逆提升,即可达到感兴趣区域的恢复质量要求。改变感兴趣区域的失真指标,只需要再次进行码流组织,而不需要重复进行优化截取内嵌块编码的T1编码,因此更为有效、灵活。同时提出了一种整型率失真斜率估计值快速算法,既可以保证率失真优化截取的精度,又避免了率失真斜率的浮点除法计算和浮点表示,降低了系统的复杂度。该算法适合干涉多光谱卫星图像压缩。     

A Biomorphic Model of Cortical Column for Content—Based Image Retrieval

How do living systems process information? The search for an answer to this question is ongoing. We have developed an intelligent video analytics system. The process of the formation of detectors for content-based image retrieval aimed at detecting objects of various types simulates the operation of the structural and functional modules for image processing in living systems. The process of detector construction is, in fact, a model of the formation (or activation) of connections in the cortical column (structural and functional unit of information processing in the human and animal brain). The process of content-based image retrieval, that is, the detection of various types of images in the developed system, reproduces the process of “triggering” a model biomorphic column, i.e., a detector in which connections are formed during the learning process. The recognition process is a reaction of the receptive field of the column to the activation by a given signal. Since the learning process of the detector can be visualized, it is possible to see how a column (a detector of specific stimuli) is formed: a face, a digit, a number, etc. The created artificial cognitive system is a biomorphic model of the recognition column of living systems.     

A Novel Adaptive Feature Fusion Strategy for Image Retrieval

In the era of big data, it is challenging to efficiently retrieve the required images from the vast amount of data. Therefore, a content-based image retrieval system is an important research direction to address this problem. Furthermore, a multi-feature-based image retrieval system can compensate for the shortage of a single feature to a certain extent, which is essential for improving retrieval system performance. Feature selection and feature fusion strategies are critical in the study of multi-feature fusion image retrieval. This paper proposes a multi-feature fusion image retrieval strategy with adaptive features based on information entropy theory. Firstly, we extract the image features, construct the distance function to calculate the similarity using the information entropy proposed in this paper, and obtain the initial retrieval results. Then, we obtain the precision of single feature retrieval based on the correlation feedback as the retrieval trust and use the retrieval trust to select the effective features automatically. After that, we initialize the weights of selected features using the average weights, construct the probability transfer matrix, and use the PageRank algorithm to update the initialized feature weights to obtain the final weights. Finally, we calculate the comprehensive similarity based on the final weights and output the detection results. This has two advantages: (1) the proposed strategy uses multiple features for image retrieval, which has better performance and more substantial generalization than the retrieval strategy based on a single feature; (2) compared with the fixed-feature retrieval strategy, our method selects the best features for fusion in each query, which takes full advantages of each feature. The experimental results show that our proposed method outperforms other methods. In the datasets of Corel1k, UC Merced Land-Use, and RSSCN7, the top10 retrieval precision is 99.55%, 88.02%, and 88.28%, respectively. In the Holidays dataset, the mean average precision (mAP) was 92.46%.     

基于视觉注意的彩色图像检索方法

基于视觉注意模型提取的特征能够反映图像高层语义的新特征,将视觉注意机制引入到图像分析领域能有效地减小语义鸿沟,获得高效的图像检索性能.根据视觉感知的特点,对Itti视觉注意模型进行了改进.采用主分量图表示亮度图,将纹理粗糙度信息融入视觉注意模型,进而提出了一种基于视觉注意空间分布特征的图像检索算法.首先由改进视觉注意模型将图像分解得到38个视觉特征图,然后采用网格平分法提取视觉特征图的空间分布信息,组成特征矢量来多层次地对图像特征进行描述,用于图像检索.实验结果表明,该算法利用基于改进注意力模型方法来提取图像空间分布特征进行图像检索,能获得较高的检索率.