利用脉冲耦合神经网络的纹理图像检索方法

为提高基于内容的图像检索系统(CBIR)中纹理特征提取的有效性,进一步提升CBIR系统的整体性能。提出了一种基于脉冲耦合神经网络的纹理图像检索方法。脉冲耦合神经网络(PCNN)是新一代的人工神经网络,在数据处理上具有很多优势。特征提取时具有平移、旋转、尺度、扭曲等不变性,以及很好的抗噪性,而这一点非常适合于图像检索系统。利用PCNN及简化模型ICM得到对应于不同灰度值的二值图像序列,计算序列中每幅图像的熵序列,其一维的特征矢量作为纹理特征。采用Eu-clidean距离进行相似度计算,建立了一套基于示例查询图像的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比,该方法不仅对噪声具有较强的鲁棒性,同时能降低特征向量维数,具有尺度、平移和旋转不变性,而且能取得更高的检索率。

基于颜色信息熵和多尺度纹理特征的图像检索

颜色特征采用分块的HSV颜色空间的信息熵,纹理特征采用小波多尺度高频子带方差特征,结合遗传算法的图像检索方法。采用组合特征进行图像检索,改善了颜色特征缺乏空间信息的缺点,利用遗传算法能够自适应地搜索最优解,减少了在相关反馈的检索过程中,用户的选择操作。通过比较实验,具有很好的检索性能。