基于颜色体积直方图的图像检索

HSV颜色空间能够较好地模拟人类视觉系统感知颜色的模式。为了更好地利用HSV颜色空间的优点,提出了一个新型的特征描述子(称之为颜色体积直方图),并且将其应用于图像检索。它首先把彩色图像从RGB空间转换为HSV颜色空间,然后把彩色图像均匀量化为72种颜色,最后利用颜色体积来描述图像特征。该算法在具有15000张彩色图像的Corel图库上进行了实验。结果表明,提出的彩色体积直方图能够结合颜色和空间特征,检索性能明显高于颜色直方图和局部二值模式直方图。

综合分块颜色体积直方图和LGWBPs的图像检索

针对多特征融合提高图像检索效果问题,提出一种综合分块颜色体积直方图和局部Gabor二元模式(LGWBPs)的图像检索方法,有效地提取了图像的颜色和纹理特征,为用户提供了精准的图像检索结果。首先,将4×4分块图像进行重叠九分块,并提取每个分块的颜色体积直方图特征;然后用定义的LGWBPs算子统计每个子块信息并提取图像的LGWBPs直方图特征;最后综合提取的两个特征进行相似性度量。实验结果表明,该方法有效地提高了检索的精准率,改善了检索结果的排序值并具有较好的旋转不变性、抗噪性和不变特征的鲁棒性。

基于分块颜色体积核特征和MLBP的图像检索

提出了一种基于分块颜色体积核特征和改进的局部二元模式(MLBP)的图像检索算法.首先对图像进行重叠九分块并提取子块的颜色体积直方图,并使用高斯核函数将低维颜色特征映射到高维核空间对图像先进行过滤,再使用MLBP算子对返回的图像提取纹理特征,最后对特征进行相似性度量.实验结果表明,相对于以颜色体积直方图、分块颜色直方图、传统LBP算子为特征的图像检索方法,该算法有效地提高了检索结果的精度、改善了相关图像的排序值,并具有很好的抗噪性.

基于颜色体积核特征和改进的LBP的图像检索

针对单一特征不能充分表达图像信息的问题,为了提高图像检索的准确率,提出了一种基于颜色体积核特征和改进的局部二元模式(LBP)的图像检索算法。首先提取图像的颜色体积直方图来描述图像颜色的整体信息和空间信息,并使用高斯核函数将低维颜色体积直方图特征映射到高维核空间对图像先进行过滤,再使用由LBP算子改进得到的局部Gabor二元模式(LGWBP)算子对返回的图像提取纹理特征,最后对图像进行相似性度量。实验结果表明,相对于以颜色直方图、颜色体积直方图、LBP算子为特征的图像检索方法,该算法有效地提高了检索的精准率、改善了检索结果的排序值并具有很好的稳定性和抗旋转性。