基于混合特征的互联网茄子图像检索方法与系统

互联网图像数据的爆炸式增长使得有效检索变得越来越重要,不同于文字的检索,有效的图像检索仍然是一个开放的问题。该文提出了基于混合特征的互联网茄子类图像的检索方法,并开发了图像检索系统。该文采用Hu不变矩(hu invariant distance)作为几何不变特征,采用颜色矩方法,通过计算HSV空间的三阶矩来描述颜色特征,采用分水岭算法(watershed algorithm)提取茄子的轮廓特征,通过长宽比特征区分长茄和圆茄,最后综合几何不变特征、颜色、轮廓特征进行茄子对象的描述,分别给3种特征赋不同的权重,形成检索系统。试验验证,该文方法和系统在测试数据集上查全率为87.6%,查准率为87.6%,相比于只采用Hu不变矩方法(其查全率为31.75%,查准率为31.75%)在Hu不变矩加颜色特征方法(查全率为52.8%,查准率为52.8%),有了一定的提升,验证了方法的有效性。

基于改进的YCbCr空间及多特征融合的手势识别

针对基于视觉的手势识别的复杂性,提出一种基于改进的YCbCr空间及多特征融合的手势识别新方法。首先针对YCbCr颜色空间易受环境因素影响的特点,采用改进的YCbCr椭圆聚类肤色模型的手势分割方法提取手势区域;然后按手势图像外接矩形的宽高比和手指个数进行粗分类,再提取手势的Hu矩和傅里叶描述子构建融合特征,并将融合特征输入BP神经网络进行训练识别;最后综合粗分类和BP神经网络的结果进行手势判别。实验结果表明,该方法在保证实时性的同时具有较高的识别率。

基于降维技术及空间矩的彩色图像亚像素边缘检测

现代图像的边缘检测方法需要在充分利用图像中的色彩信息基础上能够提供亚像素边缘信息。提出一种基于图像降维技术的彩色图像亚像素边缘检测方法,利用Ostu算法得到图像的像素级边缘,并在降维所得的投影图像上结合空间矩方法提取亚像素级边缘。实验结果表明,该算法定位精度可达到0.14个像素,能够有效地提取真彩色图像的边缘轮廓信息。

具有有色噪声的线性随机系统的矩稳定性(英文)

研究具有有色噪声的线性随机系统的矩稳定性 ,得到了无需计算矩阵方根的矩阵特征值代数判据 ,并用实例演示了文中的方法 .

改进的综合颜色纹理特征图像检索

提出一种使用颜色和纹理特征进行图像检索的有效方法。首先将图像进行合理分块,对每一分块使用离散余弦变换进行纹理特征提取,然后使用颜色矩对检索到的图像进行颜色特征提取。最后将查询图像的特征向量与数据库中图像的特征向量进行比较,以获得相似的图像。系统采用Corel公司的标准图像数据库进行实验。将单一特征图像检索与综合特征图像检索进行比较,实验结果表明,综合特征的检索更有效。系统检索结果的正确率为80%。

一种云环境下图像的安全检索方法

为了保护数据机密性,具有敏感信息的图像在上传到云服务器之前需要进行加密,然而,这样做会给图像检索带来问题。提出一种云环境下图像的安全检索方法,对图像颜色空间的R和G通道的DCT(Discrete Cosine Transform)系数分别进行块内置乱和块间置乱,对B通道进行块内置乱加密;然后提取颜色矩、信息熵以及块间LBP(Local Binary Patterns)作为图像的特征向量,通过比较图像的特征向量之间的曼哈顿距离来确定图像的相似度。该方法保证了图像的机密性和检索精确度,能实现对图像的安全检索。

基于声音频谱特征的两层分类方法

提出一种通过分析声音的彩色时频谱图像以完成声音识别与分类的方法。首先采用逐步聚类算法完成对声音信号的第一层聚类;然后通过HSV色图映射将每一聚类声音的时频特征矩阵映射为彩色图像;最后提取相应的时频谱图像颜色矩特征,并给予不同权重值,进而对每一聚类单独使用SVM分类器,完成第二层分类。实验结果表明,在噪声环境下,此分类方法具有良好的抗噪性能与分类效果。

基于颜色相关图和纹理矩的图像检索

基于内容的图像检索的关键就是准确地提取图像特征。目前常见的图像特征的分类有颜色、纹理和形状。提出了改进的图像相关图算法以及纹理矩算法,并采取有效的方法来结合这两种算法实现高效的图像检索,图像相关图不仅反映了图像的灰度统计信息,而且还反映了图像的空间特征和灰度的渐变度。纹理矩是通过计算图像局部区域的力矩来反映图像的纹理特征。二者相结合整合了图像颜色和纹理信息。实验证明,改进的图像相关图以及纹理矩算法优于传统算法,二者通过在有限的空间维度下的结合在很大程度上提高了检索精度。

基于图像饱和度分量Zernike矩的元件封装识别

针对电子元件的自动检测识别问题,给出一种图像饱和度分量的Zernike矩识别电子元件的新方法。根据电子元件的图像颜色特征,分层提取原始图像的饱和度分量,通过遗传算法对饱和度图像分量进行二值化分割并计算改进的Zernike矩作为元件图像的识别特征,利用切比雪夫与曼哈顿距离加权线性来取代传统的欧氏距离判断相似性,降低相似性判定时的运算时间,从而达到识别元器件外观的目的。实验表明,该方法能够准确地识别待测的元器件封装,可应用于电子元件生产和检测中。