排序方式: 共有9条查询结果,搜索用时 636 毫秒
1
1.
基于显著兴趣点颜色及空间分布的图像检索新方法 总被引:7,自引:5,他引:2
提出了一种基于显著兴趣点的图像检索新方法,此方法主要有显著兴趣点检测、基于显著兴趣点的特征描述和相似性度量三个步骤.先使用一个自适应滤波器对图像进行滤波,然后提取显著兴趣点;以显著兴趣点为线索,设计了一种基于显著兴趣点的环形颜色直方图,既利用了显著兴趣点的局部特征,又考虑了显著兴趣点的空间分布结构;用图像间的环形颜色直方图距离来度量图像间的相似性.该检索算法不但保证了对图像旋转、平移鲁棒性,而且克服了传统直方图没有空间位置的缺陷.实验结果表明,该方法对图像检索非常有效. 相似文献
2.
3.
4.
5.
针对深度卷积神经网络难以部署到资源受限的端侧设备这一问题,本文提出一种高效精简的轻量化卷积神经网络Mobile_BLNet,在模型规模、计算量和性能之间取得了良好的平衡.该网络引入深度可分离卷积和倒残差结构,通过合理分配不同分支的运算量缩减模型规模并节省大量计算资源;采用通道剪枝操作压缩网络模型,基于占总和比值方法裁剪对模型贡献度低的卷积通道,在相同压缩效果情况下提升了分类准确率;基于通道裁剪情况重构网络,进一步降低模型所需计算资源.实验结果表明,Mobile_BLNet结构精简、性能优异,在CIFAR-10/CIFAR-100数据集上以0.1 M/0.3 M参数量、9.6 M/12.7 M浮点计算量获得91.2%/71.5%分类准确率;在Food101/ImageNet数据集上以1.0 M/2.1 M参数量、203.0 M/249.6 M浮点计算量获得82.8%/70.9%分类准确率,满足轻量化卷积神经网络的端侧硬件高能效部署需求. 相似文献
6.
基于Radon和小波变换的图像检索 总被引:3,自引:2,他引:1
提出一种基于Radon和小波变换的图像纹理特征检索算法.对原始图像进行坐标系的方向归一化,再对方向归一化后的图像进行Radon变换.根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性.采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此作为纹理特征进行图像检索.基于纹理特征的试验结果表明该特征具有旋转、平移和尺度不变性,与其他算法相比具有较高的检索率. 相似文献
7.
8.
9.
基于纹理特征的图像检索 总被引:1,自引:0,他引:1
构造了具有旋转、平移和尺度不变的纹理特征,进而提出基于纹理图像检索算法.首先,根据角向矩极大原理将检索图像进行坐标校正,得到图像旋转不变的表示;然后,利用平移和尺度不变小波对检索图像进行分解,得到具有平移、旋转和尺度不变的小波分解系数;最后,采用各尺度的小波能量值刻画图像的纹理性,并针对特征向量内部进行高斯归一化,根据欧氏距离计算不同图像间的纹理相似度.基于内容的图像检索(CBIR)试验表明,该方法具有旋转、平移和尺度不变性,与其它方法相比,具有较高的检索率. 相似文献
1