基于多特征融合的图像语义标注

采用了新的颜色特征提取方法,融合图像的颜色和纹理特征作为图像的特征向量,用支持向量机实现图像语义信息的标注.实验结果表明,多特征图像检索要比单一特征检索效果好,在颜色特征的基础上引入纹理特征和形状特征后可有效提高检索效率,而且采用支持向量机融合多特征可成功用于图像语义的标注.     

遗传算法在基于形状的图像检索中的应用

针对如何能更有效地检索出目标图像，提出一种基于形状和遗传算法的图像检索方法。利用遗传算法具有群体选优的特性，对图像的统计特征进行特征选取，获取最佳匹配特征以便检索出最能满足用户需求的结果。以Corel图像库中的部分图像为测试集，在VC＋＋6．0环境下进行实验。实验结果表明，利用遗传算法进行图像检索能够有效地进行选取特征，大幅度地高了检索结果的查准率和查全率，并缩短了检索时间。与基于粒子群优化算法的检索结果进行比较，发现利用遗传算法的检索结果优于后者。     

基于尺寸不变特征转换向量的图像检索精度优化

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...     

基于直方图小波变换的图像颜色特征索引技术

提出了一种基于直方图小波变换的图像颜色特征索引技术:对图像HSV颜色直方图进行小波变换,变换后数据用于相似性的递进匹配.该方法与直接直方图比较具有相同的效果,而特征矢量长度明显减少,检索效率明显改进.实验结果表明,小波变换由于其金字塔形式可为图像数据库提供内容特征的递进匹配,明显加快图像检索匹配速度.     

基于直方图小波变换的图像颜色特征索引技术

提出了一种基于直方图小波变换的图像颜色特征索引技术:对图像HSV颜色直方图进行小波变 换,变换后数据用于相似性的递进匹配。该方法与直接直方图比较具有相同的效果,而特征矢量长度明 显减少,检索效率明显改进。实验结果表明,小波变换由于其金字塔形式可为图像数据库提供内容特征 的递进匹配,明显加快图像检索匹配速度。     

基于颜色的图像检索方法的研究

为了从海量图像库中准确、快速地查找所需要的图像信息,基于内容的图像检索技术应运而生并且成为学术界研究的热点.基于内容的图像检索主要是利用图像的可视化底层特征,如颜色、纹理、形状等特征进行检索.从颜色特征出发对现有的基于颜色的图像检索技术方法进行分析,从最初的颜色直方图到后来的基于颜色空间特征的图像检索和模糊颜色直方图,最后在此基础上对今后的研究做了简要的概述.     

以本体为核心的图像检索研究

针对目前图像检索系统较难实现语义检索的问题,提出一种新的以本体为核心的图像检索模型.将通用本体和空间本体相结合描述图像语义,并且基于本体中"Is-A"关系设计相似性度量算法实现语义扩展.初步试验证明了在图像语义检索中此检索模型的可行性和优越性.     

基于卷积神经网络的小样本树皮图像识别方法

针对在树皮图像分类过程中图像训练数据数量少、识别准确率低的问题,提出一种基于卷积神经网络的小样本树皮图像识别方法。以5种常见树种的树皮图像作为研究对象,在基于卷积神经网络的Inception_v3模型基础上,对原始数据集进行数据增强的一系列操作,扩大数据集的数量;在此基础上,对所有数据集进行白化处理,以降低数据之间的冗余性,使得特征之间相关性较低;采用ReLU激励函数和Dropout方法,防止训练时引起的过拟合现象;同时,在模型的最后添加3层全连接层,增强模型的特征表达能力,采用softmax分类器。最终确定了一个10层CNN模型:5个卷积层、2个池化层、3个全连接层。结果表明,上述网络模型对数据集的识别准确率为94%,并且为验证本研究方法的可行性,分别在MNIST数据集、ImageNet数据集、CIFAR-10数据集进行测试,识别准确率分别为92%、90%、93%。因此,提出的方法在小样本的识别试验中具有较高的识别准确率和一定的可行性。     

基于深度学习的5种树皮纹理图像识别研究

目的针对在树皮图像识别时,现有的算法和识别过程过于复杂的问题,提出了基于深度学习的方法来对不同树种的树皮图像进行识别。方法本文以5种常见树种的树皮纹理图像为例,采用基于卷积神经网络的深度学习方法,将原始图像直接作为输入,通过卷积和池化层对图像的低级、高级特征进行自动提取,解决了手动提取纹理特征的困难和问题;在此基础上,对CNN模型结构进行改进,采用带Maxout的ELU激励函数来代替ReLU函数,解决模型的偏移和零梯度问题;对损失函数进行改进,通过添加规范项来优化结构参数,并使用分段常数衰减法对学习率进行动态调控;最后采用softmax分类器对图像类别进行输出。结果对5个树种的树皮图像共计10 000张图像进行实验,其中每类选取200张图像作为测试集。最终训练准确率达到93.80%,测试集识别准确率为97.70%。另外,为验证本文方法的可行性,与传统人工特征提取法,提取HOG特征、Gabor特征和灰度共生矩阵统计法,训练SVM分类器。通过实验比较,本文方法识别准确率最高。结论本文提出的基于深度学习的树皮纹理图像识别方法是可行的,提高了识别效率和精度,为树种的智能化识别提供新的参考。      

基于特征融合和相关反馈技术的图像检索研究

为提高图像检索精度,在研究单一特征检索算法基础上,提出了基于底层-底层和底层-高层2种级别的特征融合检索方法,利用相关反馈技术逐步求精以提高检索性能,并用VC#和SQL server2005实现了一个图像检索原型系统。研究表明,利用该研究方法能够提高图像检索精度,因而具有可行性。     

基于多特征融合与机器学习的鱼类摄食行为的检测

针对目前检测方法特征单一、样本数量少和鲁棒性低等问题,提出了一种基于多特征融合与机器学习的鱼类摄食行为的检测方法:利用图像处理技术提取鱼群摄食图像的颜色、形状和纹理特征,并对其进行归一化和特征融合处理,通过构建3层的BP神经网络对鱼群摄食行为进行检测。与SVM和KNN检测效果进行对比,BP神经网络的效果最好,精度可达97.1%。与传统的基于单一纹理特征方法相比,在保证时效性和增强鲁棒性的同时,准确率提高了4.1%。     

最佳区域匹配在彩色图像检索中的应用

为了减小分割的不确定性对检索结果的不良影响,提出通过检索图像与数据库中图像各区域之间的特征距离得到最佳匹配区域,即综合所有区域特征的距离方法来实现图像匹配.同时根据人眼的视觉特点,在全局相似度量时对检索图像各个区域的重要系数进行调整,与全局颜色直方图等方法比较.结果表明,用本文的检索方法检全率与检准率进一步提高,对于目标显著的图像其检索结果更是明显提高.     

基于颜色特征的茄子病害图像检索方法

为克服当前蔬菜病害诊断专家系统依靠文字提供信息的不准确性,提出一种基于颜色特征的茄子病害图像检索方法。详细分析茄子病害图像的颜色特征,在符合人眼视觉特征的HIS颜色空间上进行图像预处理。提取图像的均值、方差、偏度、峰度、能量作为检索特征值,构建图像特征矩阵。利用高斯归一化方法进行归一化处理后,采用欧式距离进行相似性度量。在Visual C＋ ＋6．0开发环境下,采用C＋＋编程开发了基于颜色特征的茄子病图像检索系统。结果表明,基于颜色特征的茄子病害图像检索方法的查准率为65％,查全率为83％,识别效果较好。将该算法应用于茄子病害诊断专家系统,将大大提高系统的鲁棒性,能够满足病害诊断的要求。     

特征组合在地质图像检索中的应用

为了将基于内容的图像检索技术应用到地质图像的分析与检索中,在使用灰度直方图和Gabor小波变换进行特征提取的基础上,提出了一种使用灰度及纹理这两种特征结合对目标图像进行分析检索的算法。试验结果表明,在进行图像特征相似度匹配时选取合适的相似度阈值,该算法能够取得满意的检索效果。     

Fish species classification by color,texture and multi-class support vector machine using computer vision

Remote diagnose of fish diseases for farmers is unrealized in China, but use of mobile phones and remote analysis based on image processing can be feasible due to the widespread use of mobile phones with camera features in rural areas. This paper presents a novel method of classifying species of fish based on color and texture features and using a multi-class support vector machine (MSVM). Fish images were acquired and sent by smartphone, and the method utilized was comprised of the following stages. Color and texture subimages of fish skin were obtained from original images. Color features, statistical texture features and wavelet-based texture features of the color and texture subimages were extracted, and six groups of feature vectors were composed. LIBSVM software was tested using leave-one-out cross validation to find the best group for classification in feature selection procedure. Two multi-class support vector machines based on a one-against-one algorithm were constructed for classification. The feature selection results showed that the Bior4.4 wavelet filter in HSV color space achieved greater accuracy than the other feature groups. The classification results indicate that only the DAGMSVM meets the requirement of time efficiency for the system. The results of this study suggest that the best classification model for fish species recognition is composed of a wavelet domain feature extractor with Bior4.4 wavelet filter in HSV color space and a one-against-one algorithm based DAGMSVM classifier.     

基于多特征融合和深度信念网络的植物叶片识别

基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状特征进行识别,并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor滤波和灰度共生矩阵方法得到。而形状特征向量由Hu氏不变量和傅里叶描述子组成。为了避免过拟合现象,使用“dropout”方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法,在Flavia数据库中,对32种叶片的识别率为99.37%;在ICL数据库中,对220种叶片的识别率为93.939%。这表明相比一般的叶片识别方法,此方法鲁棒性更强,并且识别率更高。      

DCD用于基于内容的自然图像检索

基于内容的图像检索是多媒体应用研究领域的一项关键技术.本文提出了一种应用MPEG-7的DCD描述进行基于内容的图像检索方法,该方法采用图像的主体颜色来代表整幅图像的颜色信息,在检索时效率更高,相对于以前的基于颜色的图像检索方法,具体实现更简便,并且能保证高质量的检索结果.     

基于图像处理技术的四种苜蓿叶部病害的识别

基于图像处理技术,对4种苜蓿叶部病害进行识别研究。利用结合K中值聚类算法和线性判别分析的分割方法对病斑图像作分割,获得了较好的分割效果。结果表明:该分割方法在由4种病害图像数据集整合成的汇总图像数据集上综合得分的平均值和中值分别为0.877 1和0.899 7;召回率的平均值和中值分别为0.829 4和0.851 4;准确率的平均值和中值分别为0.924 9和0.942 4。进一步提取病斑图像的颜色特征、形状特征和纹理特征共计129个,利用朴素贝叶斯方法和线性判别分析方法建立病害识别模型,并结合顺序前向选择方法实现特征筛选,分别获得最优特征子集;同时利用这2个最优特征子集,结合支持向量机(Support vector machine,SVM)建立病害识别模型。比较各模型的识别效果,发现利用所建线性判别分析模型下的最优特征子集,结合SVM建立的病害识别模型识别效果最好,训练集识别正确率为96.18%,测试集识别正确率为93.10%。由此可见,本研究所建基于图像处理技术的病害识别模型可用于识别上述4种苜蓿叶部病害,为苜蓿病害的诊断和鉴别提供了一定依据。