基于数据挖掘的图像检索-随笔

1)图像检索

该算法提取数据库中图像的底层特征,将图像和提取出来的底层特征作为训练数据,对类区域进行半监督学习,实现图像和类别的语义关联。

算法1 图像类区域的半监督学习

输入  图像数据集。

输出  图像的特征库和类区域。

第一步: 读取图像集的图像,存入图像库。对图像集中的图像进行预处理,提取图像的底层特征,存入特征库。

第二步: 通过图像集的底层特征计算每个图像类的类区域中心。

第三步: 根据该类中心到该类图像的距离判断图像类区域。用户检索图像可以用示例图像检索,也可以用关键词来进行检索,检索过程如图1所示。关键词的检索方法将用户输入的关键词与知识库进行匹配,找到检索的图像类别标记,返回该类区域中的图像,并按与类区域中心距离升序排列输出。

算法2 图像检索

输入  新的查询示例图像Q。

输出  图像Q 的相似图像集合与类标签。

第一步: 对示例图像Q 进行预处理,进行感兴趣区域的划分,提取图像的72 维颜色特征向量以及28 维纹理特征。

第二步: 计算图像特征和特征空间中图像和各类中心的相似度Dis( i,j ) 。按相似度Dis( i,j ) 的升序排列输出相似图像,并判断查询图像Q 的类标签。当Q 满足多个类区域时,按查询返回图像的类别比例最高选择图像Q 的类标签。

第三步: 用户反馈查询结果是否满意,满意则将图像Q 存入图像库,其特征存入特征库,加入图像类集合,并且重新计算该类别的区域中心。

图1 图像检索系统

2)多源颜色迁移

这里,我们采取的是多源图像对模板图像进行颜色迁移,多源图像,用表示,K是源图像的全部数量。M是形状图像的分割区域数量。它保证任一源图像应该为至少一个目标区域提供参考颜色。区域匹配的目的在于为任一目标区域从多源图像中挑选最匹配的参考颜色,包括下面步骤:

① 亮度重映射

在区域匹配过程中,颜色图像和形状图像各像素点的亮度分布差别很大的情况往往会对匹配结果造成较大的影响,因此在匹配之前,我们先对每张源图像通道实施亮度重映射,公式如下:

                 (3-1)

这里,是源图像通道的均值和标准差;和 是目标图像通道的均值和方差。新的匹配亮度。

② 挑选最匹配的区域对

根据上述K均值算法将颜色图像和形状图像都划分为M个颜色区域。通过计算颜色图像区域, 的均值矢量 和形状图像区域的颜色均值矢量 之间的欧式距离作为依据进行判断,距离最小的两个区域即为最佳匹配区域对。颜色图像和形状图像区域的颜色均值之间的距离计算公式如下:

             (3-2)

通过方程式(3-3),我们可以决定最匹配的区域对,在的k个候选区之间是相似的源区域,描述如下:

       (3-3)

通过收集中的像素,,我们能得到一个复合的源图像S。

③ 结果组合

区域匹配之后,就要将每个颜色图像区域的颜色迁移到对应匹配的形状图像区域中。我们计算彩色通道的变换值:

                  (3-4)

                  (3-5)

这里,通道的统计用一个上标来表示,通道用一个上标 表示。分别是是目标图像通道的像素点;分别是目标图像第j块区域的的均值;同理,分别是颜色图像第i块区域的的均值;分别是目标图像第j块区域的通道的标准方差;分别是目标图像第j块区域的通道的标准方差。

我们分别在目标图像和组合的源图像上使用所有像素的均值和标准方差。计算通道的转换值如下:

                      (3-6)

即可将各区域颜色迁移结果图像合成为完整的图像。最后,还要将合成的图像从 转换回RGB颜色空间。

当对一幅灰度图像上色时,我们仅有可使用的亮度通道。因此对于灰度目标图像的像素,我们在最后的颜色迁移之前,首先把通道的相同分布分配给缺席的通道。

时间: 2024-10-03 13:46:25

基于数据挖掘的图像检索-随笔的相关文章

基于内容的图像检索技术

图像检索的本质是对图像特征的提取与基于特征的匹配技术,图像的特征包括图像的文本特征.视觉特征,所谓图像的文本特征是指与图像相关的文本信息,比如图像的名称.对图像的注解文字等,而目前比较成熟应用于网络环境下的图像检索系统比如Google.百度等均属于这类.图像的视觉特征是指图像本身所拥有的视觉信息,又可以进一步分为通用的视觉特征和领域特征,如颜色.纹理.形状等属于图像通用特征,而光谱特征则属于地理科学中遥感影像独有的特征. 从发展演变历程来看,根据图像检索系统所提取图像特征可分为两类,第一类即基于

基于颜色的图像检索学习系统

截图: [检索前] [检索后] 功能: 单击[查找文件夹]会随机显示当前文件夹下的6张图像.假设当前文件夹下小于6幅.则所有显示. 单击[选择],会将測试图像显示在[选择]button上方. 单击[检索],会将与当前图像颜色最接近的6幅图像显示在下方. 思路: 将图像的RGB空间映射到HSV空间,并将其H.S.V均划分为12个区间.这样图像得到3*12个属性. 对选取的測试图像和所有的待检索图像均进行上述处理. 计算測试图像与检索图像之间的距离.将得到的距离依照从小到大的顺序排序.将排序靠前的6

论文:基于数据挖掘的网络入侵检测关键技术研究-郭春

目录 1.文章主要工作: 1.1 设计了一种适用于入侵检测的特征提取方法.(降维)DSFE:Distance-sum based feature extraction method; 1.2 设计了一种能够适用于入侵检测的样本约简方法.(样本约简,即缩减数据集中的样本数量) 1.3 设计了一种离群点挖掘的异常检测方法.(能够发现数据集中偏离大部分数据的离群值) 1.4 设计了一种包含三个检测模块的两层混合入侵检测模型. 1.文章主要工作: 1.1 设计了一种适用于入侵检测的特征提取方法.(降维)

基于HSV分块颜色直方图的图像检索算法

引 言 随着多媒体技术及[nternet技术的迅速发展,各行各业对图像的使用越来越广泛,图像信息资源的管理和检索显得越来越重要.传统的通过手工标记和索引图像(即基于文本的图像检索)的方法已经不能满足人们的需求,随之而来的问题是:随着图像数据的剧增和人们对图像的理解具有不同的侧重点,不同的人从不同的角度对同一幅图像的认识可能存在很大的差异性,因此无法准确反映图像信息.基于内容的图像检索方法(Content-Based Image Retrieval,CBIR)由此应运而生. 在基于内容的图像检索中

图像检索:基于形状特征的算法

本文节选自<基于形状特征的图像检索算法研究> 基于形状特征的图像检索算法相对于颜色特征和纹理特征来说,使用的稍微少一些.摘录了其中的几种算法,不做深入剖析了. 形状通常与图像中的特定目标对象有关,是人们的视觉系统对目标的最初认识,有一定的语义信息,被认为是比颜色特征和纹理特征更高一层的特征.形状描述的准确与否是决定图像检索算法优劣的重要因素,一个好的形状描述符应具备独特性.完备性.几何不变性.灵活性以及抽象性.形状的描述符大体可以分为两大类:第一类是描述形状目标区域边界轮廓的像素集合,称为基于

深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统

作者: 寒小阳 && 龙心尘 时间:2016年3月. 出处:http://blog.csdn.net/han_xiaoyang/article/details/50856583 http://blog.csdn.net/longxinchen_ml/article/details/50903658 声明:版权所有,转载请联系作者并注明出处 1.重点内容引言 本系统是基于CVPR2015的论文<Deep Learning of Binary Hash Codes for Fast Im

转:基于内容的视频分析与检索

摘要 文章简要介绍了从基于内容的视频分析与检索问题的提出到所涉及的关键技术以及目前研究状况,并简要介绍了现阶段在这方面的研究热点及以后要做的工作. 一.问题的提出: 互联网的出现给人类带来了很大的便利,特别是实现资源共享之后的互联网,但面对这浩如烟海的资源到底哪些是对自己有利用价值的呢?而90年代以来,多媒体技术和网络技术的突飞猛进,人们正快速的进入一个信息化社会.现代技术已能运用各种手段采集和生产大量各种类型的多媒体信息数据,出现了数字图书馆.数字博物馆.数字电影.可视电话.交互电视.会议电视

9个基于Java的搜索引擎

1.Java 全文搜索引擎框架 Lucene 毫无疑问,Lucene是目前最受欢迎的Java全文搜索框架,准确地说,它是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎,部分文本分析引擎.Lucene为开发人员提供了相当完整的工具包,可以非常方便地实现强大的全文检索功能.下面有几款搜索引擎框架也是基于Lucene实现的. 官方网站:http://lucene.apache.org/ 2.开源Java搜索引擎Nutch Nutch 是一个开源Java实现的搜索引擎.它提供了我们运行自己的搜索

9个基于Java的搜索引擎框架

在这个信息相当繁杂的互联网时代,我们已经学会了如何利用搜索引擎这个强大的利器来找寻目标信息,比如你会在Google上搜索情人节如何讨女朋友欢心,你也会在百度上寻找正规的整容医疗机构(尽管有很大一部分广告骗子).那么如果在你自己开发的网站系统中需要能让用户搜索一些重要的信息,并且能以结构化的结果展现给用户,下面分享的这9款Java搜索引擎框架或许就可以帮助到你了. 1.Java 全文搜索引擎框架 Lucene 毫无疑问,Lucene是目前最受欢迎的Java全文搜索框架,准确地说,它是一个全文检索引