16、图像检索与脑电信号分类技术研究

图像检索与脑电信号分类技术研究

1. 基于融合LBP纹理描述符的图像检索系统

在图像检索领域，为了提高基于纹理的图像检索系统的整体精度和准确性，提出了一种混合内容的基于图像检索（CBIR）系统。

1.1 特征提取与组合

为了获取最精细的纹理细节，提取了局部二值模式（LBP）和Tamura这两个特征，并使用离散小波变换（DWT）将它们组合，创建了一个有效的混合特征向量。

1.2 实验数据集与评估

该系统在两个基准数据集MIT - VisTex和Brodatz上进行评估，并使用欧几里得距离来计算图像相似度。以下是不同方法在这两个数据集上的平均精度和召回率比较：
| 数据库 | 参数/特征 | LBP | Wavelbp + Tamura | LBP + Tamura |
| ---- | ---- | ---- | ---- | ---- |
| Brodatz | 平均精度 | 73.4 | 79.9 | 74.5 |
| Brodatz | 平均召回率 | 16.4 | 17.8 | 16.6 |
| MIT - VisTex | 平均精度 | 86.2 | 86.6 | 86.3 |
| MIT - VisTex | 平均召回率 | 21.5 | 21.7 | 21.6 |

同时，使用支持向量机（SVM）分类器对不同特征组合的准确性进行了比较：
| 特征与SVM分类器 | Brodatz数据集准确率 | MIT - VisTex数据集准确率 |
| ---- | ---- | ---- |
| Wavelbp + Tamu