图像检索博文

图像处理系列学习笔记 关于我的GitHub 以下是在图像处理部分整理的学习笔记, 阅读详情
  • MATLAB图像检索系统
  • 应用背景

基于内容的图像检索(CBIR)是一个非常热门的研究领域。本文在对颜色特征、形状特征和纹理特征的研究基础上,将三种特征结合在一起,实现了可以自定义权重的综合特征的图像检索系统,并在

平台上实现了这一系统。

图像特征的提取和相似性度量是CBIR的两个关键技术。对于颜色特征,本文采用HSV空间中的颜色矩表示颜色特征;对于形状特征,本文采用图像的

不变矩作为形状特征;对于纹理特征,为减少计算量,本文首先对图像进行预分割,提取分割后区域基于傅立叶描述子的纹理特征作为整个图像的纹理特征。在相似性度量方面,采用曼哈顿距离作为度量标准,得到各个特征的相似度向量。

本文在

平台上实现了这一图像检索系统,实现自定义权重以及综合特征下的图像检索,并在花朵图像的大数据库中随机抽取若干副图像进行检索实验,得到了较好的效果。

二、 基于内容的图像检索

2.1 基于内容的图像检索的概念

基于内容的图像检索根据图像、图像的内容语义以及上下文联系进行查找,以图像语义特征为线索从图像数据库中检出具有相似特性的其它图像。因为图像的规模一般要大于纯粹的文本信息,因此,基于内容的图像检索在检索的速度和效率上要求更高。 

2.2 CBIR的研究现状

在上世纪90年代,随着计算机和网络技术得到广泛应用之后,基于内容的图像检索技术取才得了较大的突破,人们也逐渐地将对基于内容的图像检索技术的研究成果应用到实际的工作和生活中,而对这种技术的需求的日益增长也驱动人们对基于内容的图像检索的技术向更高的层次进行研究。

从当前的CBIR的研究的热点和未来的发展趋势的来看,可大致将其研究分为三层[3]:

1. 最低层次的检索,在这个层次主要是利用全局特征(例如:颜色、纹理、形状等底层特征)去描述图像的内容,进行检索,这也是最直接的层面;

2.较高层次的检索,该层次主要是利用图像对象语义来描述图像的内容,进行检索,这种技术是底层特征的基础上加入了图像语义特征(例如:对象与对象之间的空间关系等);

3.最高层次的检索,该层次是利用图像概念级语义来描述图像的内容,进行检索,该技术是建立在图像对象语义特征提取的基础上加入了图像的概念级语义(例如:用户对图像的理解、情感等高层语义)。

尽管对CBIR技术的研究已经经过了很长时间,但目前较为常用的CBIR技术基本上都是基于底层特征的检索。现有的CBIR底层特征的检索系统主要包括基于颜色的图像检索系统、基于纹理的图像检索系统和基于形状的图像检索系统,下面就对上述三种检索系统进行一下简单的概述。

2.2.1 基于颜色特征的图像检索

颜色是描述图像内容最直接的视觉特性。颜色特征是一种定义比较明确和简单的特征,人的视觉对它的敏感度最大,人眼可以很直观地利用颜色特征区分出两幅图像的不同之处,因此颜色特征成为在CBIR研究中最早被用到的图像特征。

颜色特征的表示方法主要包括颜色索引、颜色矩等。颜色索引是一种以颜色直方图和直方图相交算法为基础的颜色特征表示方法,该方法在上述基础上,首先,将颜色空间划分为多个固定的子空间;其次,统计每个固定的子空间中像素的数目;最后,用直方图相交算法计算图像之间的相似度,按照相似度的大小对检索结果进行输出。

该方法除了具有颜色特征通用的优点外,还有个突出优点是计算简单。但也存在两个不足之处:一是它没有办法反映出颜色的空间分布信息,例如两幅图像中对象空间分布的位置不同时,这两幅图像可能具有几乎完全一致的颜色直方图。二是量化方法的不一样也可能对检索结果也可能产生很大的影响,比如原来两幅图像的颜色直方图很相似,但是由于量化过大,使得某些颜色消失,最终得到的两幅图像的颜色直方图大相径庭,这样造成了图像检索的准确度大大折扣。

由于颜色直方图在空间信息方面的缺失,后来又出现了颜色矩的概念来表示颜色特征,该方法先将图像按照一定的规则进行分块,然后对每一块提取颜色直方图。随后,出现了按物体对象的空间分割法,将图像按照图像中对象的分布进行分割,然后提取每个对象的颜色特征和对象之间的空间信息。上述两种方法都是在颜色整体特征的信息中加入了图像的空间分布信息,但是这两种方法存在的共同的缺陷是对于任意图像,如何对图像进行合适的分割。

除了上述颜色特征的表示方法外,还有颜色相关向量法和颜色聚类法,这两种方法也在颜色的特征中添加了空间信息,在实际的应用中不常见,还处于研究阶段。

2.2.2 基于纹理特征的图像检索

和颜色一样,纹理是也是图像中一种不可或缺的视觉特性。纹理没有统一的定义,一般可以用图像的某种局部性质来对纹理下定义,纹理描述了局部区域中像素之间的关系,同时也描述了图像中的空间分布信息。对纹理可以通过粗糙度、方向性、对比度和规则性四个方面来描述。应用较为广泛的基于纹理特征的图像检索技术包括采用共生矩阵,和基于数学模型如小波变换的纹理特征检索。

2.2.3 基于形状特征的图像检索

形状描述的是图像中各种物体的外在特征,所以基于形状的检索系统中最关键的技术是如何表示图像中物体的特有的外在特征和如何对提取出的形状特征进行特征匹配,目前常用的描述形状特征的方法主要包括:矩描述法、边界描述法和几何参数法。

以前表示形状特征的常用方法有链码、曲线、傅里叶描述子和B样条曲线等[6]。后来又出现了小波描述逼近法和超二次曲线法。

形状特征的提取需要人工对图像进行分割、提取目标,就目前的发展状况,还没有实现对形状特征的自动提取。而人眼对颜色和纹理特征比较敏感,提取方法也相对比较简单,所以在目前的检索系统中使用最多的底层特征是颜色和纹理特征。

3.GUI界面设计

4 参考文献

[1]  王向阳. 一种基于彩色边缘综合特征的图像检索算法[J]. 模式识别与人工智能, 2020

[2]  纪敏.MPEG-7颜色、纹理和形状描述子[J].计算机工程与应用,221,40(26):44-47

[3]  李向阳.基于内容的图像检索技术与系统[J].计算机研究与发展2021,3

[4]  Rafael C.Gonzalez 阮秋琦译. 数字图像处理(MATLAB版)[M]. 电子工业出版社,2019     

[5]  Dunlop M.D..Multimedia Information for Retrieval, Ph.D. Thesis. Computing Science Department, University of Glasgow, Report 2020

[6]  Ellen M. Voorhees, Yuan-Wang Hou."Vector Expansion in a Large Collection”, First Text REtrieval Conference [TREC-1], 2019.

[7]  Frisse M.E.Searching for information in a hypertext medical handbook. Communications of the ACM, 3 I[7], pp.880-886.

[8]  R.Price, T.S Chua, and S.Al-Hawamdeh, Applying relevance feedback on a photo archival system. Journal of Information Science, 18:203-215, 2019

[9]   梁艳.基于内容的图像检索技术及应用[J].科技信息(科学教研),2008年,20期.

[10]  田靓.基于颜色内容的图像检索方法的比较[J].包装工程,2019,4.

[11]  Petrou.M(英)著.赖剑辉译.数字图像处理疑难解析[M].机械工业出版社,2015.4

[12]  章毓晋.基于内容的视觉信息检索[M].图像图形科学丛书,2020

基于词汇树的图像检索(一):词汇树 从今天起准备把我的毕设的实现细节写到博客里面,一方面写一遍加深记忆,另一方面如果哪天忘记了查起来也方便 毕设题目是基于词汇树的无序图像集检索和支撑结构生成,其实提出词汇树那篇文章(Scalable Recognition with a Vocabulary Tree[1])已经是2006年的了,算是很老的文章,但是在大规模二三维重建的过程中快速的图像检索还是有意义的。 首先介绍 阅读详情

相关推荐

matlab:检索相似图像

matlab:检索相似图像

希望我的博客,能帮上你解决学习中工作中所遇到的问题 613

基于图像检索博文

在上世纪90年代,随着计算机和网络技术得到广泛应用之后,基于内容的图像检索技术取才得了较大的突破,人们也逐渐地将对基于内容的图像检索技术的研究成果应用到实际的工作和生活中,而对这种技术的需求的日益增长也驱动人们对基于内容的图像检索的技术向更高的层次进行研究。形状描述的是图像中各种物体的外在特征,所以基于形状的检索系统中最关键的技术是如何表示图像中物体的特有的外在特征和如何对提取出的形状特征进行特征匹配,目前常用的描述形状特征的方法主要包括:矩描述法、边界描述法和几何参数法。基于内容的图像检索的概念。

2401_84801422的博客 1040

银河麒麟V11 + KVM/QEMU + GT 710 GPU直通 Win10 完整操作流程文档

宿主机:RTX 5080专门运行ollama大模型服务,通过SSH/VNC远程管理Win10虚拟机:GT 710直通,物理键盘专属,通过物理显示器处理视频应用硬件隔离:两个系统完全隔离,互不干扰,性能最大化两种不同的直通方式直通方式 配置方法 设备在宿主机的状态 典型应用场景PCIe设备直通 vfio-pci.ids=10de:128b,10de:0e0f 设备完全从宿主机消失,被vfio-pci驱动接管 GPU、网卡、NVMe硬盘。

weixin_45285654的博客 1158

The Paris Dataset 图像数据集 下载地址| 巴黎建筑物 |

The Paris Dataset 数据集介绍;本博文的 The Paris Dataset 、不是巴黎街景数据集、二者是不一样的、巴黎街景是主要用于图像修复的数据集;

专注于AI领域前沿技术学习与分享:目标检测、图像修复、超分重建、AI工程化 6297

基于Python的信用卡欺诈检测机器学习案例报告

当今时代,在线支付已成为一种高效便捷的支付方式,我们可以突破时间和空间的限制,输入我们的信用卡各项信息就可以完成在线支付。但随之而来的是这种支付方式也具备一定的风险性,我们无法辨别对方是否是恶意套取我们资金的非法分子。当信用卡信息数据泄露导致金钱失窃并最终失去客户忠诚度和公司声誉时,组织、消费者、银行和商家都会面临风险。2017 年,未经授权的信用卡操作达到了惊人的 1670 万受害者。此外,据美国联邦贸易委员会 (FTC) 报告,2017 年信用卡欺诈索赔数量比上一年高出 40%。

weixin_45673389的博客 6698

博图SCL基础知识-寻址调用及新建SCL

和LAD/FBD不同,LAD/FBD在程序编辑器是一段一段的,编辑器可以插入新的网络段,每一个网络段可以有各自的注释。一般情况下,FB的简单数据类型形参可以没有对应实参,复杂数据类型的输入、输出也可以没有对应实参,所以FB可以隐藏或不隐藏不出现的形参。一般情况下,FB的简单数据类型形参可以没有对应实参,复杂数据类型的输入、输出也可以没有对应实参,所以FB可以隐藏或不隐藏不出现的形参。如图3所示,当FB的参数全部显示,在背景数据块右键可以激活"仅显示分配的参数";如图2所示,显示了一些FB调用的例子。

电工 2034

图片检索系统开篇(Image Indexing and Searching)

在很早以前就一直想写一个有关图像检索方面的系列博文,但是一直由于水平有限和时间问题搁置。If you want  to do sth, just do it。因此,我还是决定先开个篇,以敦促自己完成后面的系列博文。在后面的博文中,将以Python语言,并借助opencv库书写,主要讲解图像检索中的基础知识,包括图像转换、特征提取、特征描述以及特征存储。由于涉及内容比较多,有些内容不会深入的介绍,但

Belial计算机视觉&机器视觉专栏 1652

Simulink开发项1000例实战专栏--实例148:构建一个完整的电动汽车电池SOH评估仿真模型,包括电池建模模块、数据采集模块、SOH估算算法模块以及性能评估模块

电动汽车的动力电池是其核心部件,而电池的健康状态(State of Health, SOH)直接影响车辆的续航能力和使用寿命。SOH通常定义为当前电池容量与初始容量的比值,用百分比表示。通过基于MATLAB/Simulink平台的SOH评估仿真,可以实时监测电池的退化情况,并为电池管理系统(BMS)提供决策依据。本项目旨在构建一个完整的电动汽车电池SOH评估仿真模型,包括电池建模模块、数据采集模块、SOH估算算法模块以及性能评估模块,并通过仿真验证SOH评估的准确性。

xiaoheshang_123的博客 342

【计算机视觉】基于BOW的图像检索

图像检索 前言 在大型的图像数据库上,CBIR(基于内容的图像搜索)技术用于检索在视觉上具有相似性的图像。返回的图像可以是颜色相似、纹理相似、图像中的物体或场景相似;总之是可以在这些图像上找到共有的任何信息。对于高层查询,比如寻找相似物体,将查询图像与数据库中所有图像进行完全比较(比如特征匹配)往往是不可行。在数据库很大的情况下,这样的查询方式会耗费很多时间,通过前任的不懈努力,...

weixin_43837871的博客 1764

《UDS协议从入门到精通》系列——图解0x19:读取故障码信息

认识最核心的诊断服务“0x19”!!全网最强图解!一文搞懂所有常用子服务!

车载系统攻城狮 1万+

Dify 第 19 篇 手把手教你开发 Dify 插件:从零实现一个时间工具

本文介绍了Dify平台的插件开发机制和流程。Dify支持多种插件类型,包括模型、工具、数据源等,可通过CLI工具快速开发插件。文章详细讲解了如何安装Dify CLI工具,并演示了从零开发一个获取系统时间插件的完整过程,包括项目初始化、文件解读和打包部署。通过该教程,开发者可以快速掌握Dify插件开发的核心要点,实现自定义功能扩展。

甘蓝的专栏 2455

图像检索:拓展查询(Query Expansion)

拓展查询(QE, Query Expansion): 指对返回的前top@K个结果,包括查询样本本身,对它们的特征求和取平均,再做一次查询,此过程称为拓展查询。 从上面的定义可以看出,拓展查询属于重排的一种方式。通过Query Expansion,以达到提高检索召回率的目的。前面的博文RANSAC算法做直线拟合曾介绍过RANSAC的基本思想,放在词袋模型里(相应博文见图像检索:BoW图像检索原理...

GarfieldEr007的专栏 5845

RK3588 DDR5 方案

RK3588 DDR5方案支持多种LPDDR5/LPDDR5X内存型号,包括美光、三星、海力士、江波龙和佰维等品牌。文档详细列出了已验证的DDR5内存规格,涵盖2GB-16GB容量范围,提供组织形式、封装类型和测试状态等信息。其中美光型号最全面,支持12GB/16GB大容量方案。部分型号处于测试验证阶段(T/A),需量产进一步确认性能。该方案为RK3588平台开发提供可靠的内存选型参考。

501846585_QQAndroid_java 1088

计算机视觉—基于BOW的图像检索

1. 基本原理 1.1 Bag-of-words原理简介 Bag Of Words(词袋)模型,是现在一种用于图像检索的一种方法。它最早用于对于文章内容的检索,原理是将文本看作是单词的集合,不考虑文档内的词的顺序关系和语法等。通过建立词典,对每个单词出现次数进行统计,以便得到文本内容的分类。 1.2 Bag-of-features原理简介 计算机视觉的专家将Bag-of-words方法应用于图像的检索中就有了Bag-of-features。 和Bag-of-words原理相似,若将文档对应一幅图像的话,

weixin_43890415的博客 2万+

7、PPG信号处理与质量评估

本文详细介绍了PPG信号的处理与质量评估方法,包括信号滤波技术(如卷积和互相关)、滤波器选择、信号质量指标(SQI)的定义与应用,以及标注一致性的评估。同时,提供了MATLAB代码示例和操作步骤,并分析了不同指标的优势与适用场景,旨在提高PPG信号在诊断和监测中的准确性与可靠性。

salt的博客 256

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

图像检索

图像检索综述CBIR领域,Josef Sivic 和Andrew Zisserman【1】将彼时成熟的文本检索方法用于视频图像搜索。【1】中先对文本检索【2】作简要回顾: 分词:documents采用某种分词方法,分割成一个个word; 词预处理1:将词根一样的词合并,如walk、walking、walks合并成walk; 词预处理2:去除停用词(stop-word),如常见的词:an、the等;

Tcorpion的博客 1907

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

计算机视觉——基于Bag Of Word的图像检索

基于BOW的图像检索1. Bag-of-words简介2. Bag-of-words原理及流程2.1. 特征提取2.2. 学习"视觉词典"2.3. 对图像特征集进行量化2.4. 将图像转换为视觉单词的频率直方图2.5. 构造特征到图像的倒排表2.6. 根据索引结果进行直方图匹配3. 实验流程及代码3.1 数据集准备3.2 SIFT特征提取3.3 学习“视觉词典(visual vocabulary)”3.4 对数据集图像的特征集进行量化3.5 建立图像索引进行图像检索4. 实验结果及分析4.1 SIFT特征提

RuiMa的博客 2434

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

利用OpenCV的函数matchTemplate()实现在图像中寻找、检索、搜索模板图像【图像模板匹配】

利用OpenCV的函数matchTemplate()实现在图像中寻找、检索、搜索模板图像【图像模板匹配】

昊虹AI笔记 2万+

BoW图像检索Python实战

BoW图像检索Python实战  2015年06月16日  Image Retrieval  词袋模型 字数:11854 前几天把HABI哈希图像检索工具包更新到V2.0版本后,小白菜又重新回头来用Python搞BoW词袋模型,一方面主要是练练Python,另一方面也是为了CBIR群开讲的关于图像检索群活动第二期而准备的一些素材。关于BoW,网上

凌风探梅的专栏 2012

图像检索-自设计网络

Vgg16 + 降维自设计拓扑 从ECCV-2014 参见我的博文 获得启示 1、所用的检索特征维度较高对检索精度影响较大 2、迁移学习结合自身数据在训练可以大幅提升正确率 一、特征提取主干结构 二、降维拓扑 1、7x7x512 ->conv-> 7x7x64 2、maxpool 3x3x64 relu 关键使用的特征 3、FC 576x256 4、FC 256x256 5、FC 256xnum_of_class ...

qq_35912099的博客 4884
上一篇: 基于颜色直方图的图像检索(实验分析)
下一篇: 原型基于颜色的图像检索与MATLAB
GPT_code
博客等级 码龄3年 3543粉丝 338原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值