基于互补特征的纹理图像检索

针对互补特征可以有效地改善图像检索系统性能的特点,提出一种在改进Contourlet变换域采用L1能量与广义高斯分布参数特征的纹理图像检索方法。首先,应用改进的方法对方向子带系数进行广义高斯统计建模。然后,分别单独利用各个特征和相应的相似性测度进行检索。最后,基于直接的相似性测度和,采用这两种互补的特征进行检索。实验结果表明,和采用单一特征相比较,互补特征由于充分地反映了图像的结构信息和随机分布信息,从而有效地提高了纹理图像数据库的平均检索率。

基于改进CV模型的图像分割算法

传统CV模型在目标图像存在噪声干扰及图像背景较为复杂的情况下,图像分割效果较差,极易造成误分割。为了提高基于CV模型图像分割的分割效果及分割效率,提出一种基于改进CV模型的图像分割算法。首先,根据曲线演化理论对CV模型的曲线驱动力进行简化,以此提高模型的分割效率;然后,利用L1范数构造CV模型的能量泛函,同时引入中值替代传统CV模型中的曲线拟合中心,在简化数据计算的同时,提高模型对噪声的鲁棒性;最后,将该曲线驱动力与L1范数能量泛函进行融合,以此构造最终的改进CV模型的能量泛函。将所提模型与传统CV模型、LIF模型、局部二值模型以及偏置场修正水平集模型的实验结果进行对比,结果表明所提模型分割效果最优,且分割速率最高。