基于内容图像检索

摘要： 针对脑瘤图像提出一种基于内容的检索方法.首先采用图像膨胀算法增强脑瘤图像的感兴趣区域(ROI);然后基于点的空间像素强度的特征提取方法,描述脑瘤图像增强后的ROI局部特征;最后引入聚合特征算法提高图像特征的辨别能力和压缩能力.实验对比3种脑瘤图象检索方法的结果表明,该算法可得到较高的检索精确度,可实现高效、准确的脑瘤图像检索.%In view of brain tumor images ,we proposed a retrieval method based on content .Firstly , we augmented the region of interest (ROI ) of brain tumor images by using the image expansion algorithm .Secondly ,based on the feature extraction method of point-based spatial pixel intensity ,we described the local characteristics of the augmented ROI . Finally , we introduced the aggregated feature algorithm to improve the discrimination and compression ability of image features .The results of the experimental comparison of three brain tumor image retrieval methods show that the algorithm can obtain high retrieval accuracy and prove that the algorithm can achieve efficient and accurate brain tumor image retrieval .

摘要： As the issue of semantic differences between objects described by advanced users and low-level description of the image feature, a learning method using optimum-path forest was proposed.The features of the query image and the images to be queried in the database were extracted using Gabor wavelet and robust local binary patterns to obtain histogram feature vectors.The relevance feedback of images was obtained using optimum-path forest, generating tags training set.The preference of the users was learnt by similar distance measuring, thus the satisfactory results were got.Results of simulation on Corel database and Brodatz database show, in the ideal case without noise, the retrieval accuracy of some kind of images is up to 98%.Under noisy conditions, the decrease of the performance is the slowest.In Brodatz database, the average retrieval rate is only about 10% reduction.In the Corel database, the accuracy of the proposed algorithm is higher than that of other outstanding ones by about 8% in the case of big noise.%针对高级用户描述的对象与低级图像特征之间的语义差异问题,提出一种基于最佳路径森林的学习方法.使用Gabor小波和鲁棒局部二值模式对查询图像以及待查询数据库图像进行特征提取,获得直方图特征向量;通过最佳路径森林获得图像的相关性反馈,生成标记数据集;通过相似距离度量获知用户的偏好,得到满意结果.实验在Corel数据库和Brodatz数据库上进行,在无噪声的理想情况下,对某些类别的图像,该算法的检索精度高达98%;有噪声情况下,随着噪声的增加,其性能衰减最慢.在Brodatz数据库中,该方法平均检索率只减少了10%左右,在Corel数据库中,较大噪声情况下,其精度比其它方法高出8%左右.

摘要： 在医学影像信息学中,基于内容的图像检索(CBIR)技术被用来帮助放射科医师检索具有相似图像容的图像.CBIR通过图像的量化特征来检索高维特征数据库中与查询图像类似的影像.然而,当前大部分CBIR系统都会受特征维数影响,系统检索的响应时间随着特征向量维数及检索图像数量的增加而增长.对此提出了一种新的框架,使用VA-Trie结构来对图像特征建立高维数据库索引,以提高集成RIS/PACS中的CBIR的准确性和检索速度.%In medical imaging informatics,content-based image retrieval (CBIR) techniques are employed to aid radiologists in the retrieval of images with similar image contents.CBIR uses the quantization feature of the image to search for images similar to the query image in the high dimensional feature database.However,most of the current CBIR systems are affected by the feature dimension,and the response time of the system search increases with the increase of the feature vector dimension.In this presentation,we propose a novel framework to use the VA-Trie structure to establish high-dimensional database indexes for image features to improve the accuracy and retrieval speed of CBIR in integrated RIS / PACS.

摘要： 针对一般相关反馈的基于内容图像检索(CBIR)方法不能有效处理相关图像和非相关图像的问题,提出了一种基于最佳路径森林分类(OPF)的贪婪学习方法(GL-OPF),该方法旨在返回每次迭代查询的最相关图像.首先,查询图像和数据集图像通过Gabor小波变换提取特征向量;然后,通过GL-OPF主动学习方法获得图像关联性反馈,生成标记训练集;最后,标记训练集通过OPF分类器进一步评估形成相关性和非相关性原型集,每次迭代都会返回查询的最相关图像.3个公开图像数据集Caltchl01、Corel和Pascal上的实验验证了本文方法的有效性.实验结果表明,在3个数据集中,迭代8次时,GL-OPF的查询精度比其他3种方法均有较大提高,此外,GL-OPF的迭代运行时间和查询时间与OPF几乎相同,很大程度改进了OPF方法.

摘要： 基于内容的图像检索是使用图像的底层视觉特征对图像进行检索，使检索结果在视觉角度上尽可能相似。但能否通过图像的底层特征来准确体现人对图像的视觉感知（即图像的情感语义）有待于进一步的探索。首先构建检索性能较好的基于内容的图像检索系统，并针对分类标准不同的两类图像库进行多次实验。实验证明，图像的情感语义无法通过单一的图像底层特征描述。%Content-based image retrieval means retrieving images by image low level visual features so that the retrieved results are as simi-lar as possible from the visual perspective.However it requires further exploration whether image low lever features can accurately represent visual perception,or image affective semantics,of human upon image.The paper first of all constructs content-based image retrieval system with better retrieval performance;next it carries out a number of experiments upon two image databases that are classified by different criteria. Experiments prove that image affective semantics can't be described by single image low layer features.

摘要： According to geometric features of texts and the fact that character strokes have symmetrical edges, Laplacian of a Gaussian(LoG)was employed for finding the ‘symmetrical edge-point pair’,then the ‘symmetrical edge-point pairs’ sample set was constructed,therefore the scale and orientation of the detect window were deter-mined by analyzing the sample distribution. The relational cluster of all character sub-regions was obtained by using the minimum spanning tree(MST)algorithm,then the text lines(including non-horizontal)were extracted in the form of lines or rows after pruning,false positive elimination,and threshold segmentation. Experiments show that the proposed method is capable of handling multilingual,different orientation and multi-scale images under complex background with a 76%precision rate and a 75%recall rate on ICDAR dataset.%通过对笔画的对称边缘特点与文字几何特征的认识，根据二阶边缘检测算子捕捉边缘点亮暗变化趋势的能力，使用高斯型拉普拉斯算子寻找“边缘点对”，并构建来自笔画等窄带区域的“对称边缘点对”样本集。从样本集的分布规律中自适应地定出文字笔画搜索窗的尺度及方向。利用最小生成树算法实现由系列搜索窗得到的所有笔画子区域的关联聚类，通过剪枝、伪区域鉴别和阈值分割，将文字以行(含非水平行)或列的形式提取出来。实验表明，该方法对复杂背景下不同的语言类型、亮暗类型、文字行方向及文字尺度具有适应性，在 ICDAR 数据集上的查准率和查全率分别达到76%和75%。

摘要： To overcome the problems of high memory consumption and computational overhead of high-dimensional indexing in content-based image search engine,the locality-sensitive hashing (LSH) index and Hadoop can be combined to improve the performance of the index architecture and computational model.According to the features of LSH index,the structure of LSH index is modified to a loosely coupled structure,and the index files are deployed in the distributed query nodes for high concurrency index-guery.The MapReduce distributed computational model is used in index constructing process to improve the efficiency of high-dimensional index creation.Besides,the distributed database is used to store large amounts of high-dimensional index data,which enhances the system' s scalability.The experimental results show that the proposed methods are reasonable.%为了解决基于内容的图像检索中存在的索引存储量大和构建索引计算开销大等问题,在系统地分析局部敏感哈希索引算法及Hadoop分布式系统的基础上,改进了现有高维索引计算模型和索引结构方法.根据局部敏感哈希索引的特点,将现有局部敏感哈希索引改为松耦合的索引结构,将索引文件分布式部署在多个查询节点中实现了高并发的索引查询.通过MapReduce分布式计算模型实现了索引的并行构造,提高了索引构造的效率,并采用分布式数据库存储海量高维索引数据,增强了系统可扩展性.实验结果表明,该算法具有一定的可行性.

摘要： 利用信息技术手段保护非物质文化遗产资源是目前研究的热点之一,图像检索技术的研究是构建剪纸艺术多媒体交互平台的关键环节.分析了基于文本的图像检索(TBIR)和基于内容的图像检索(CBIR)的思路及算法,并在剪纸艺术多媒体交互平台中进行了实现.深入对比了两者的优缺点,探讨了两种检索方式相结合的可能途径,在此基础上提出利用自动语义标注技术解决图像检索中存在的“语义鸿沟”问题,有利于提高图像检索的效率和准确率.

摘要： 为了有效解决基于内容图像检索中“语义鸿沟”问题,利用贝叶斯决策理论估计图像检索中相关图像集与不相关图像集合的分类面,通过移动查询点的策略,指导新一轮的查询,将查询点移向好的范例点而远离坏的范例点.试验证明该方法是一种有效的基于统计分析的反馈方法.

摘要： 为了有效解决基于内容图像检索中“语义鸿沟”问题，利用贝叶斯决策理论估计图像检索中相关图像集与不相关图像集合的分类面，通过移动查询点的策略，指导新一轮的查询，将查询点移向好的范例点而远离坏的范例点。试验证明该方法是一种有效的基于统计分析的反馈方法。

摘要： 在基于内容图像检索(Cotent-Based Image Retrieval，CBIR)中，图像的征选取与描述是-个关键性环节。颜色特征是典型的基于内容图像检索系统中都使用到的特征，本文对基于内容图像检索中使用到的特征进行了分类，并对其中的颜色特征进行了详细介绍，给出相关的实验结果。

摘要： 分析了传统的图像检索方法的缺陷,介绍了基于内容的图像检索系统所具有的特点,论述了特征的提取技术、图像检索的相关反馈技术及现有图像检索系统.最后,提出了存在的问题,展望了未来的发展方向.

摘要： 分析了传统的图像检索方法的缺陷,介绍了基于内容的图像检索系统所具有的特点,论述了特征的提取技术、图像检索的相关反馈技术及现有图像检索系统.最后,提出了存在的问题,展望了未来的发展方向.

摘要： 分析了传统的图像检索方法的缺陷,介绍了基于内容的图像检索系统所具有的特点,论述了特征的提取技术、图像检索的相关反馈技术及现有图像检索系统.最后,提出了存在的问题,展望了未来的发展方向.

摘要： 分析了传统的图像检索方法的缺陷,介绍了基于内容的图像检索系统所具有的特点,论述了特征的提取技术、图像检索的相关反馈技术及现有图像检索系统.最后,提出了存在的问题,展望了未来的发展方向.

摘要： 分析了传统的图像检索方法的缺陷,介绍了基于内容的图像检索系统所具有的特点,论述了特征的提取技术、图像检索的相关反馈技术及现有图像检索系统.最后,提出了存在的问题,展望了未来的发展方向.

摘要： 大量多媒体化信息的产生使得基于内容的检索技术成为研究的热点。该文先给出了基于内容的图像检索系统的系统结构。然后归纳并详细阐述了该系统所包含的六种主要的关键技术，并且提出要实现趋向语义的图像查询系统应建立在相关性反馈、多种特征组合查询和对图像内容加注的文字进行全文本查询相结合的基础上。

摘要： 大量多媒体化信息的产生使得基于内容的检索技术成为研究的热点。该文先给出了基于内容的图像检索系统的系统结构。然后归纳并详细阐述了该系统所包含的六种主要的关键技术，并且提出要实现趋向语义的图像查询系统应建立在相关性反馈、多种特征组合查询和对图像内容加注的文字进行全文本查询相结合的基础上。

摘要： 大量多媒体化信息的产生使得基于内容的检索技术成为研究的热点。该文先给出了基于内容的图像检索系统的系统结构。然后归纳并详细阐述了该系统所包含的六种主要的关键技术，并且提出要实现趋向语义的图像查询系统应建立在相关性反馈、多种特征组合查询和对图像内容加注的文字进行全文本查询相结合的基础上。

摘要： 大量多媒体化信息的产生使得基于内容的检索技术成为研究的热点。该文先给出了基于内容的图像检索系统的系统结构。然后归纳并详细阐述了该系统所包含的六种主要的关键技术，并且提出要实现趋向语义的图像查询系统应建立在相关性反馈、多种特征组合查询和对图像内容加注的文字进行全文本查询相结合的基础上。

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： 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： 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： 本发明公开了一基于多特征融合的HSV空间图像检索与挖掘的彩色图像检索方法，该方法在彩色图像检索过程中，首先将彩色图像由RGB空间转换到HSV空间，利用非下采样Shearlet剪切波对灰度图像进行分解，并利用分解所得的不同尺度子带分别进行颜色直方图特征提取和纹理指数距幅值特征提取，最后利用欧氏距离作为图像之间相似度的计算方法，计算不同图像之间的相似度，按照相似度从大到小对结果进行排序、输出。较之单一的颜色或纹理检索很大程度上提高了检索的精度，从而解决了由于单独的颜色特征或单独的纹理特征远远不能达到理想的图像检索效率的问题。

摘要： 一种基于HTM算法的图像检索系统及其图像检索方法，该图像检索系统由用户交互模块、包含图像库的图像库管理模块、基于HTM算法的图像分类识别模块、分类索引数据库、匹配计算模块组成，该图像检索系统的图像检索方法包括更新分类索引数据库，从图像库管理模块的图像库中检索出与用户输入的查询图像相匹配的图像。本发明在一定程度上避免了图像的底层特征与上层分类之间的语义鸿沟问题，而且其检索准确率较高，具有较大的实用价值。