基于CIELab颜色空间和颜色分布信息熵的图像检索

针对基于颜色空间信息熵的图像检索,提出了一种新的改进方案,使对颜色特征的提取建立在CIELab颜色空间的基础之上。利用CIELab的均匀颜色空间特性,来完成对颜色空间的分割,使之更符合人眼的色彩感觉特性,得到符合人眼色彩感觉的颜色空间信息熵。在图像相似性度量方面,提出了加权颜色统计函数的比较方法。经实验表明,该算法能够获得比较满意的效果。

综合颜色空间特征和纹理特征的图像检索

基于内容的图像检索一直是图像检索领域的研究热点。提出一种综合颜色空间特征和纹理特征的检索算法。首先将彩色图像转换到HSV颜色空间,进行非等间隔量化,提取颜色特征和颜色空间位置信息,再在灰度图像里利用中心块图像分形编码的方法,获取分形编码参数作为图像的纹理特征。在对特征进行内部和外部高斯归一化后,综合颜色空间特征和纹理特征,利用人工鱼群算法进行检索。实验结果表明,算法性能良好,在检索准确率和速率上取得了良好的效果。

基于局部颜色-空间特征的图像语义概念检测

针对基于语义的图像检索系统,提出了一种基于局部颜色-空间特征的图像语义概念检测方法。各种基于颜色、纹理和形状的全局特征都存在着众多信息冗余项和干扰项,而该文提出的局部颜色-空间特征则是利用语义概念层的先验知识进行特征降维后提取出的特征,它能更好地描述图像的语义内容,且具有容易提取、计算复杂度低的优点。实验结果表明,基于局部颜色-空间特征的概念检测方法优于基于全局特征的概念检测方法,将其用于图像检索后的检索精度比采用基于全局颜色特征的方法提高了36.4%。

基于多分辨率分析和相关反馈技术的图像检索

提出了一种基于图像全局-空间颜色特征的检索方法,首先采用多分辨率分析的图像划分方法,提取图像的全局和空间颜色特征作为检索信息,同时引入了反馈机制来加强检索效果。实验表明,该方法取得了较好的检索效果。

改进k-means聚类算法在图像检索中的应用研究

为了从大规模图像数据库中快速而准确地检索到所需图像,提出了一种结合图像特征索引库和平均面积直方图的方法。通过图像特征索引库减少对图像数据库的访问次数和访问数据量,实现对图像的快速检索。使用平均面积直方图方法,增强算法区分空间差异的能力,使得检索结果与人的视觉感受更加吻合。实验结果亦表明,该方法提高了图像检索的速度和精度。

基于相容粒的多层次纹理特征图像检索方法

针对传统纹理图像检索方法精度不理想的问题,给出了基于相容粒空间的多层次图像纹理识别方法。然后,针对纹理图像在颜色考虑上的缺失,提出了在粒度层次上进行颜色匹配的方法。最后,结合以上两种方法,给出了综合颜色和纹理特征的相似度改进算法。对比实验证明了该方法的有效性和合理性。

大豆叶片图像的叶脉分割方法

叶脉分割是叶片模式分析的一个重要步骤,对大豆的品种识别、表型研究具有十分重要的意义.由于大豆叶脉结构十分复杂,叶脉所在叶片区域的低对比度,只借助灰度信息分割叶脉一般无法取得理想的分割效果.本文提出了一种结合多尺度灰度无约束击中或击不中变换(UHMT)算法和基于HSI颜色空间的色调信息处理方法的大豆叶脉分割方法.该方法将RGB颜色空间中的灰度信息和HSI颜色空间中的色调信息,分别用于大豆叶片图像的全局叶脉分割和局部一级、二级叶脉分割.前者采用迭代阈值分割提取叶片区域,通过膨胀腐蚀消除叶片外轮廓以及叶柄等干扰因素,得到叶片区域图像,然后,运用多尺度灰度UHMT算法得到全局叶脉图像.后者,针对一级和二级叶脉分割效果差的问题,使用色调信息扩大叶脉与其他像素点灰度值差异,以实现局部一级、二级叶脉的分割.将获得的全局叶脉和局部叶脉图像融合,获得最终的大豆叶脉图像.为验证算法的有效性,本文使用了大豆品种叶片图像数据库SoyCultivar中的大豆叶片图像进行实验.结果表明,该方法比现有的叶脉分割方法好,不仅能够完整地提取大豆叶脉,而且能够很好地消除背景以及叶片外轮廓、叶柄等无关成分.