基于内容的多特征融合图像检索

doi:10.3778/j.issn.1002-8331.2009.01.048

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (1): 153-155.DOI: 10.3778/j.issn.1002-8331.2009.01.048

• 数据库、信号与信息处理 • 上一篇下一篇

基于内容的多特征融合图像检索

罗军,况夯

重庆教育学院，重庆 400067

收稿日期:2007-12-25 修回日期:2008-03-24 出版日期:2009-01-01 发布日期:2009-01-01
通讯作者: 罗军

Content-based image retrieval using combination features

LUO Jun,KUANG Hang

Chongqing Education College，Chongqing 400067，China

Received:2007-12-25 Revised:2008-03-24 Online:2009-01-01 Published:2009-01-01
Contact: LUO Jun

摘要/Abstract

摘要： 提出一种组合颜色、形状和空间信息的图像检索方法，用颜色块的颜色直方图表示图像的颜色特征；使用Zernike矩表示图像的形状特征，通过提取颜色块的质心、分布方差聚散度等特征得到图像的空间特征。为了进一步提高图像检索的精确度，提出一种基于支持向量机的相关反馈方法。实验结果表明，基于组合特征的图像检索方法优于基于单一特征的检索方法。

关键词: 图像检索, 相似度计算, 颜色直方图, Zernike矩, 空间信息

Abstract: A new method combing color shape and spatial feature for efficient image retrieval is proposed in this paper.Color feature is extracted by the histogram，shape feature is extracted by zernike moments and spatial analysis is performed by computing the bar centre and the standard deviation of the distribution of colors.In order to improve the retrieval performance，a relevance feedback based on support vector machines is proposed.It is demonstrated that the image retrieval based on multi-feature is superior than which based on single feature.

Key words: image retrieval, similarity measurement, color histogram, Zernike moments, spatial information

罗军,况夯. 基于内容的多特征融合图像检索[J]. 计算机工程与应用, 2009, 45(1): 153-155.

LUO Jun,KUANG Hang. Content-based image retrieval using combination features[J]. Computer Engineering and Applications, 2009, 45(1): 153-155.

[1]	张杰，常天庆，郭理彬，张雷，马金盾. 基于跟踪异常与相关性检验的目标丢失判断[J]. 计算机工程与应用, 2021, 57(18): 204-212.
[2]	武光华，张旭东，葛维，孙鸽，毛财胜. 结合模型集成与特征融合的图像拷贝检测[J]. 计算机工程与应用, 2020, 56(20): 199-205.
[3]	张芳容，杨青. 知识库问答系统中实体关系抽取方法研究[J]. 计算机工程与应用, 2020, 56(11): 219-224.
[4]	陈享，何亨，李鹏，金瑜，聂雷. 云环境中基于目标检测的密文图像检索方案[J]. 计算机工程与应用, 2020, 56(11): 75-82.
[5]	王妙，景军锋. 基于哈希编码和卷积神经网络的图像检索方法[J]. 计算机工程与应用, 2019, 55(23): 194-199.
[6]	王星宇，李勇军，赵尚弘，王蔚龙. 基于QoE感知的中继卫星带宽资源分配方法研究[J]. 计算机工程与应用, 2019, 55(19): 147-152.
[7]	牛亚茜，冀小平. 基于卷积神经网络的图像检索算法研究[J]. 计算机工程与应用, 2019, 55(18): 201-206.
[8]	蔡鹏飞，叶剑锋. 结合改进CNN和双线性模型的CBIR方法[J]. 计算机工程与应用, 2019, 55(16): 191-196.
[9]	段文静，陈绍平. 具备高层语义特征的离散哈希图像检索算法[J]. 计算机工程与应用, 2019, 55(13): 212-217.
[10]	郑冬婷，董赟，朱星弛，周远. 一种用于图像检索的新型空间关系特征[J]. 计算机工程与应用, 2019, 55(10): 1-8.
[11]	穆亚昆，冯圣威，张静. 基于文本与语义相关性分析的图像检索[J]. 计算机工程与应用, 2019, 55(1): 196-202.
[12]	钟忺，陈纬航，钟珞. 基于超像素及贝叶斯合并的图像分割算法[J]. 计算机工程与应用, 2018, 54(21): 183-187.
[13]	苗军1，崔嵩2，段立娟2，张璇2，许少武1. 基于最长公共视觉词串的图像检索方法[J]. 计算机工程与应用, 2018, 54(15): 192-196.
[14]	于凤1，郑雨晴2，郑德权1，2，赵姗姗2. 面向选择类题型求解的相似问题发现研究[J]. 计算机工程与应用, 2018, 54(15): 120-125.
[15]	梁恺彬，管一弘. 基于隐高斯混合模型的人脑MRI分割方法[J]. 计算机工程与应用, 2018, 54(10): 196-203.

基于内容的多特征融合图像检索

Content-based image retrieval using combination features

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics