基于多重分割捆绑特征的目标图像检索

针对基于目标的图像检索(OBIR)领域中,传统的视觉关键词方法忽略了局部特征之间的空间关系信息,导致检索准确度不高的问题,提出一种基于多重分割捆绑特征的目标图像检索方法.通过对图像进行多重分割,各分割区块用它所包含的尺度不变特征变换(SIFT)特征集合来描述,生成包含空间关系信息的捆绑特征;根据视觉关键词词库匹配捆绑特征,并提出一种改进的相似性度量方法计算捆绑特征相似度,再将该相似度作为权重融入到视觉关键词方法的向量空间模型中,计算图像相似度并进行排序.结果表明,该方法能够有效利用局部特征之间的空间关系信息,在保证检索效率的同时,显著提高检索准确度.

基于智能视觉的特定人员检索平台设计与实现

以往设计出的特定人员检索平台均或多或少地存在一些问题,主要体现在检索准确率和检索效率都不高。面对此现象,设计基于智能视觉的特定人员检索平台。平台中的采集模块负责进行特定人员图像特征的采集工作。特征提取模块根据采集模块给出的特定人员图像特征,使用色彩对比度方法,将检索数据库中与其具有相似特征的候选图像筛选出来,并利用候选图像对智能视觉模块进行训练。训练成功后的智能视觉模块将依据特定人员图像特征,将候选图像中的最佳目标图像检索出来。经实验分析可知,所设计的平台拥有很高的检索准确率和检索效率,可较好地实现设计目标。