图像检索

摘要： 基于草图的跨域图像检索任务以手绘草图为输入,从彩色图像数据库中检索得到最相似的图像.为了在基于草图的图像检索任务中,更好地融合来自草图和彩色图像的特征,本文提出了用于草图检索任务的混合跨域神经网络,由草图特征提取分支与异构特征融合的彩色图像网络分支组成.该网络提取获得手绘草图、正负样本彩色图像及其边缘轮廓的特征表示,并将彩色图像及其草图近似图(即彩色图像的边缘轮廓)进行特征融合,作为彩色图像特征,弥补了手绘草图与彩色图像直接匹配的跨域差距.通过对网络模型的参数与网络结构等方面探索,进一步优化草图检索算法.在Flickr15K草图检索数据集上的实验结果表明,本文提出的方法优于当前其他先进的草图检索算法,在检索平均精确度这个客观指标上达到了0.5848,相比其他方法中指标最优的值提升了0.0522.

摘要： 为提高色纺织物图像检索系统的有效性与执行效率,建立了融合高级语义特征的色纺织物图像检索系统。该系统利用深度卷积神经网络对色纺织物图像的风格等高级语义特征进行提取,并融合图像的局部二值模式与方向梯度直方图等浅层纹理特征构建层次化检索系统。与此同时,采用二进制哈希编码对提取的高维特征向量进行降维。采用该系统对具有9种不同纹理风格的色纺织物样本图像进行检索,结果表明,该系统的Top-10查全率与平均准确率分别达到了97.37%和87.54%,具有理想的有效性与鲁棒性;相较于直接利用高级语义特征进行检索,提出的检索方法执行效率提升约750倍。

摘要： 针对卷积神经网络(CNN)全连接层得到的是图像类别的全局语义信息,无法有效抑制背景噪声以及表示图像局部的细节信息,导致细粒度图像检索任务中负样本靠前的问题,提出了一种选择性加权来聚合卷积特征并利用k相互最近邻(k-reciprocal nearest neighbor,k-RNN)重排的图像检索方法。该方法主要是通过提取并筛选CNN最后一层特征来聚合形成单维全局特征向量,再引入k相互最近邻算法对检索出的结果进行重排。在细粒度基准数据集CUB-200-2011、室内场景数据集Indoor和普通类别数据集Caltech-101进行验证评估。实验结果表明该方法能够有效改善检索出负样本靠前的问题,相比SCDA方法,该方法检索精度及召回率有显著提升。

摘要： 针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。

摘要： 针对传统近重复文本图像检索方法需人工事先确定近重复文本图像之间存在的变换类型,易受到人主观性影响这一问题,提出一个面向近重复文本图像检索的三分支孪生网络,能自动学习图像之间存在的各种变换。该网络输入为三元组,包括查询图像、查询图像的近重复图像以及其非近重复图像,训练时采用三元损失使得查询图像和近重复图像之间的距离小于查询图像与非近重复图像之间的距离。提出的方法在两个数据集上的mAP(mean average precision)分别达到98.76%和96.50%,优于目前已有方法。

摘要： 为了克服当前基于内容的相关反馈图像检索系统检索性能低、未能深入探索特征空间、参数复杂等问题,提出一种基于深度学习和集成多尺度量子谐振子优化算法与支持向量机算法的相关反馈图像检索算法(MQHOASVM-RF)。使用卷积神经网络迁移学习提取更深层次图像特征,利用奇异值分解实现主成分分析,对高维特征进行降维,通过用户与系统不断交互捕获反馈信息。多尺度量子谐振子优化算法能指导特征点更快地向理想查询点靠近,探索更多潜在相关区域,对特征空间进行有效搜索。采用间隔带TopK排序方式,结合反馈信息筛选合理训练集以指导支持向量机学习,训练出可以将相关图像和不相关图像最大程度分离的超平面。通过实验证明:所提算法相较其他算法需设置的参数更少,具有更高的检索精度、更高的检索效率、更强的鲁棒性。

摘要： 针对分布数据缺失情形下的最优传输问题,给出其基本理论以及优化模型,同时考虑到模型的较大稀疏性,基于熵正则化思想提出了一种数据缺失情形下的最优传输的熵正则化算法,最后将其应用于运输问题和图像检索领域,并给出相应的实例,验证了本文算法及其对提出问题的有效性.

摘要： 传统的SIFT向量图像检索法精度偏低、实用性较差,无法满足使用者的心理需求,为此提出一种基于尺寸不变特征转换向量的图像检索精度优化方法。采用倒排文件的图像检索方式,通过改良建树方法、检索方式和匹配度计算的优化,在满足实时性要求的前提下实现检索精度的提高;为SIFT特征向量构建新的聚类机制,以K均值聚类与分类相结合的方式对传统K均值聚类法进行改进,检索过程中利用得到的欧氏距离信息统一处理SIFT向量,进而简化向量间距的计算过程;基于改进单位化的处理方式有效控制大数据所引起的误差。测试结果表明,所提出的算法强化了树模型中节点的差异性,有效解决了按数量均分训练集数据而不是根据距离分配以及直接设定vocabulary tree层数的问题,大幅提高了检索的效率和精度。

摘要： 为了提高纺织行业的织物管理效率,解决织物检索耗时久、检索精度低等问题,使用改进的深度学习网络LResNet50E⁃IR得到织物图像的特征表示,利用faiss索引进行特征相似度匹配后,排序输出检索的结果。同时,提出分级检索策略,根据不同类别的织物特点先分类,再通过改进的神经网络训练得到相应检索模型,最后查询未入数据库的织物图像,来验证检索的效果。试验结果表明:本系统检索的top10 mAP高达99.22%,检索速度快。认为:该织物图像检索方法可以满足准确性与高效性的要求。

摘要： 在K-means算法基础上,结合主颜色直方图检索只考虑图像颜色信息,分块法只描述图像空间信息,本文提出了一种将图像等面积分块法。实验证明提高了查准性和查全率。最后实验演示出基于颜色和纹理特征的三种检索效果图。

摘要： 近年来,随着海量高分辨率遥感图像快速积累,亟需高效的遥感图像检索系统.为提升遥感图像检索的性能,本文对基于深度特征的高分辨率遥感图像检索展开研究,提出了一种基于深度融合特征的遥感图像检索方法.首先,基于当前复杂遥感场景下单一特征表示能力不足的问题,提出了一种基于深度网络的遥感图像特征均值-最大池化加权融合的方法.其次,基于该融合方法,构建了一套完整的遥感图像检索的系统框架.该系统框架结合了数据集特征增强、查询扩展等检索方法,进一步提升了遥感图像检索性能.最后,为了训练有效的深度网络,基于当今遥感图像检索数据集数量比较稀缺、常见数据集体量较小且场景较单一的现状,本文构建了一个场景丰富、体量较大的高分辨率遥感图像数据集.实验表明,该方法能够有效地提升深度特征在遥感图像中的检索效果.

摘要： 针对手绘图像检索领域中手绘图像的语义特征,为了深度发掘手绘图像的语义特征并提高手绘图像的检索效果,提出一种基于多层语义特征和深度卷积网络的融合网络的方法.首先提出针对手绘图像语义特征的分层的概念;其次构建与多层语义特征相对应的多层深度卷积神经网络来学习不同层次的深度特征;最后通过特征融合实现深度卷积网络所学习到的多层语义特征的融合,形成最终的特征描述子,达到高精度的检索.在基准数据库Flickr15k上的实验结果表明该方法是可行和有效的.

摘要： 针对依赖图像特征和聚合编码的“以图搜图”方法检索准确率较低的问题,给出一种基于多区域交叉加权聚合深度卷积特征描述算法RCroW.首先利用目标区域具有较高激活响应的特性,标记出目标轮廓位置,将卷积特征图和目标轮廓掩码图结合生成空间权重矩阵;然后引入多区域策略,将空间权重矩阵转变成多区域交叉权重矩阵;最后利用多区域交叉权重矩阵加权聚合深度卷积特征生成图像特征向量.为了验证新型图像描述算法的有效性,在Oxford5k、Paris6k和Holidays三个数据集上进行了实验.实验结果表明,基于多区域交叉加权聚合深度卷积特征的图像特征描述算法RCroW的图像检索平均准确率优于CroW、R-MAC和SPoC等7种算法.

摘要： 传统的手绘图像检索方法将自然图像通过边缘检测算法转换成“类手绘图”,不能很好地减小自然图像与手绘图像之间的视觉差异.针对此问题,提出一种基于条件生成对抗网络的手绘图像检索方法.首先训练条件生成对抗网络,其中生成器由边缘图至自然图像的映射网络构成;然后通过生成器将手绘图转换为自然图像,以消除二者的视觉差异;最后使用深度卷积神经网络提取深度特征进行相似度度量,达到检索的目的.在基准数据库上进行实验的结果显示,该方法的检索精度有明显提高.

摘要： 基于内容的图像检索方法利用从图像中提取的特征进行检索,常用的图像特征主要有颜色、纹理和形状,包括局部特征和全局特征.SIFT特征不易受平移、旋转、伸缩、视点变化及杂乱场景等因素的影响,而且提取速度快,在理论与实际生产中被广泛使用.对SIFF进行编码的方法主要有BOF、VLAD、FV和TE等方法,这些编码方法通常由"嵌入"和"聚集"两步组成.但是SIFT存在缺乏空间几何信息和颜色信息,高层语义的表达不够等问题,为了丰富描述符的信息,通常将SIFT与其他特征进行融合.融合方式主要包括:串连、核融合、图融合、Index-level融合和Score-level融合.卷积神经网络(Convolutional Neural Network,CNN)具有良好的跨域特性,从预训练的CNN提取的特征可以被广泛应用到各个领域的各种数据集.浅层特征的编码方法也可以用于对CNN特征的处理.CNN特征是通过learning得到的,具有层次性,可以通过CNN得到高层语义的信息.然而,与SIFT相比,CNN特征的通用性及几何不变性都不够强,依然是图像检索领域面临的挑战.本报告从浅层特征、深层特征和特征融合三个方面对国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望.

摘要： 针对基于SIFT特征匹配的图像检索方法忽略空间位置信息的缺陷,提出了基于空间位置信息加权词汇树的图像检索方法.利用分层词汇树将图像SIFT特征量化为视觉单词,将图像匹配转换成视觉单词权值向量匹配.由于单纯的视觉单词权值向量匹配忽略了视觉单词之间的相互位置影响,生成SIFT点的空间位置影响信息,根据SIFT点与视觉单词之间的从属关系,将SIFT点的空间位置影响信息聚类为视觉单词之间的位置影响,将视觉单词的空间位置信息作为加权系数,加入到视觉单词的权值匹配中去,细化特征之间的匹配得分,通过相似度排序检索相似图像.实验结果表明,该算法能有效提高图像检索的精确度.

摘要： 随着触屏设备的广泛普及,基于手绘的图像检索技术受到了越来越多的关注.针对HOG,SIFT,RST-HELO等传统图像描述子在基于手绘图像检索领域的局限性,提出一种基于卷积神经网络构建隐层图词包特征描述子的手绘图像检索方法.首先对数据库图像提取边缘概率图;其次在边缘概率图上计算Chamfer距离变换图像,通过对距离变换图像提取隐层图词包特征构建预分类检索.在Flickr15k数据库上对文中方法进行了实验,证明基于隐层图词包特征描述子的检索效果比RST-HELO等传统方法有了显著提高;从图像预处理和特征描述子两方面对SBIR进行了改进,实验结果表明,文中方法具有更高的准确率.

摘要： 深度学习拓展了人工智能的领域范围,摧枯拉朽般地实现了各种任务,能极大地提升情报生产的效率.基于此,首先,本文以大量的案例系统地分析了深度学习在情报学领域4个主要方面的应用现状:一是语音识别、合成及机器翻译;二是图像检索、识别和分类;三是人脸识别;四是视频分类及行为识别.其次,从理论、建模、工程3个方面剖析了深度学习在情报学领域存在的问题.最后,对深度学习在上述4个方面应用的趋势进行了分析,并指出深度学习将在感知情报服务对象的动态需求、采集海量异构信息并进行分析与辅助判断方面,不断提高其准确率,为情报工作者做出对情报服务对象有价值的判断提供强有力的支撑.

摘要： 属性学习是一种底层特征抽取算法,丰富了底层特征的语义信息.提出了基于多示例框架的属性学习算法,可以准确地预测每个属性的所在区域;提出了基于区域聚类的示例合并算法,有效地减少了示例包中示例的个数,提高了算法效率,提升了属性分类器的性能;此外,还提出了含有语义群的多示例多标记学习框架,进而得到所有属性的分类器;最后,在原有数据库标记的基础上,采取人工标注的方式补充并修正了样本的属性标记,重新构建了属性数据库.在a-Pascal和a-Yahoo标准数据库上与其他基于属性学习的图像检索算法进行对比,验证了所提算法的有效性和可行性,更能满足用户的检索需求.

摘要： 针对已有的基于内容的三维CAD模型检索技术难以保证检索结果关联工艺的可重用性,需要设计人员进一步甄别其重用价值的问题,提出一种关联工艺引导的型腔类零件局部结构检索方法,以从基于制造特征的结构化工艺数据中查找关联工艺可重用的相似三维几何.首先建立特征关联工艺参数化驱动模型,从特征加工几何、加工精度、刀具几何角度揭示特征实例关联工艺的参数化驱动特性;然后以特征实例关联工艺为参考,建立基于中轴转换的特征相似性评价模型;最后提出基于子图同构的相似局部结构提取算法,并且计算相匹配局部结构之间的相似度.在CATIA平台下开发了原型系统,并验证了文中方法的有效性.

摘要： 本发明中，数据库将花的样品图像、花的名称、叶的样品图像以及对用于减少花的名称的关注点进行指示的图像与特征信息一起建立对应地存储。提取部通过对拍摄到的花的图像的特征信息和存储在数据库的特征信息进行比较，从而提取与拍摄到的花的图像类似度高的花的样品图像作为候选图像。控制部使提取的候选图像、对应于候选图像的花的名称、以及用于减少候选图像的关注点与拍摄到的花的图像一起在显示部排列显示，并且将多个候选图像变更为相对应的各自的叶的样品图像来显示。控制部将多个候选图像变更为对相对应的各自的关注点进行指示的图像，并使其在显示部显示。

摘要： 本发明中，数据库将花的样品图像、花的名称、叶的样品图像以及对用于减少花的名称的关注点进行指示的图像与特征信息一起建立对应地存储。提取部通过对拍摄到的花的图像的特征信息和存储在数据库的特征信息进行比较，从而提取与拍摄到的花的图像类似度高的花的样品图像作为候选图像。控制部使提取的候选图像、对应于候选图像的花的名称、以及用于减少候选图像的关注点与拍摄到的花的图像一起在显示部排列显示，并且将多个候选图像变更为相对应的各自的叶的样品图像来显示。控制部将多个候选图像变更为对相对应的各自的关注点进行指示的图像，并使其在显示部显示。

摘要： 一种图像检索系统，具有：拍摄影像的拍摄部；具有处理器以及存储部，检索所述影像中包含的图像的检索部；接受向所述检索部输入的信息的输入部以及显示从所述检索部输出的信息的显示部，所述存储部保持表示轨迹的形状的信息，该轨迹表示从所述影像提取出的多个移动物体的移动路径，所述检索部若从所述输入部输入表示轨迹的形状的信息，则从所述存储部所保持的所述多个移动物体的轨迹中检索与所述输入的轨迹形状类似的轨迹，将沿着所述检索出的轨迹移动后的所述移动物体的图像显示在所述显示部中。

摘要： 本发明实施例提供了一种图像检索方法、图像检索装置及图像检索系统，涉及图像处理技术领域，用于在不知道画作的名称、作者等相关信息的情况下，实现对画作的检索。一种图像检索方法，其特征在于，包括：接收第一原始图像；提取所述第一原始图像的图像特征，得到第一特征编码；根据所述第一特征编码，得到第一目标信息；根据所述第一目标信息，在画作库和知识图谱库中查找得到与所述第一目标信息相对应的第一目标画作；输出所述第一目标画作。本发明实施例提供的图像检索方法、图像检索装置及图像检索系统用于图像检索。

摘要： 公开了一种图像检索方法、图像检索装置、图像检索设备及介质，所述图像检索方法包括：提取输入图像的全局特征，并基于所述全局特征得到全局特征编码；提取输入图像的内容特征，并基于所述内容特征得到内容特征编码；将全局特征编码与内容特征编码相拼接，得到输入图像的复合特征编码；将所述复合特征编码与预设特征编码库中的预设特征编码相比较，得到图像检索结果。通过在图像检索过程中综合考虑图像的全局特征和内容特征，提高检索结果的精度及检索效率。

摘要： 本发明能够基于弥漫性肺病等的脏器内分布病变的疾病中的病变的分布来检索类似病例。本发明是类似病例图像检索程序，使计算机执行如下的处理：从医用图像提取脏器区域，并将上述脏器区域分割为多个区域；对表示分割后的每个上述区域的病变的像素的个数进行计数；参照存储有表示每个区域的病变的像素的个数的存储部来确定表示病变的像素的个数的类似度对应的类似病例图像。

摘要： 一种图像检索系统，具有：拍摄影像的拍摄部；具有处理器以及存储部，检索所述影像中包含的图像的检索部；接受向所述检索部输入的信息的输入部以及显示从所述检索部输出的信息的显示部，所述存储部保持表示轨迹的形状的信息，该轨迹表示从所述影像提取出的多个移动物体的移动路径，所述检索部若从所述输入部输入表示轨迹的形状的信息，则从所述存储部所保持的所述多个移动物体的轨迹中检索与所述输入的轨迹形状类似的轨迹，将沿着所述检索出的轨迹移动后的所述移动物体的图像显示在所述显示部中。

摘要： 提供了一种没有必要进行需要大量劳力的关键字赋予工作，并可简便进行遗漏少且精度高的检索的图像检索程序、存储有该程序的存储介质、图像检索装置和图像检索方法。该程序用于使计算机执行：图像检索步骤，用于从存储在存储单元内的多个第1图像中检索与参照图像类似的第2图像；图像显示步骤，用于显示使所检索的第2图像缩小的索引图像；图像选择步骤，用于根据所显示的索引图像，使图像检索的请求者选择与参照图像类似的第3图像；以及记号赋予步骤，用于重新设定用于向所选择的各第3图像赋予表示与参照图像是否类似的记号的数据区域的类别，并向该类别赋予表示类似的记号。

摘要： 一种图像检索方法，它能够迅速并且准确地从不同图像分辨率，不同格式，不同语言的图像中检索出需要的图像，而且可以编辑该检索到的图像。在本发明的图像检索方法中，提取出待检索图像的画素密度分布，然后将待检索图像的画素密度分布数据与参考图像的画素密度分布数据相比较，检索出与待检索图像相匹配的至少一个参考图像；最好，还提取出待检索图像的关键区域，然后将待检索图像的关键区域数据与以上利用画素密度分布检索到的参考图像的关键区域数据相比较，检索出与待检索图像相匹配的至少一个参考图像。

摘要： 本发明公开了一种图像检索方法、图像存储方法及图像检索系统，在检索服务集群的各个节点存储图像特征数据，将输入图像的特征数据分发到各个节点，由各个节点分别独立从本地存储的图像特征数据中进行匹配，与现有技术中到数据库中遍历获取特征数据进行匹配的方法相比，减少了从数据库中遍历获取特征数据的耗时，相比可以提高检索速度。