CN104376080A - 一种基于归一化颜色周期的领带花型图案检索方法 - Google Patents
一种基于归一化颜色周期的领带花型图案检索方法 Download PDFInfo
- Publication number
- CN104376080A CN104376080A CN201410652849.7A CN201410652849A CN104376080A CN 104376080 A CN104376080 A CN 104376080A CN 201410652849 A CN201410652849 A CN 201410652849A CN 104376080 A CN104376080 A CN 104376080A
- Authority
- CN
- China
- Prior art keywords
- row
- necktie
- col
- vector
- sigma
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000013598 vector Substances 0.000 claims abstract description 63
- 238000010606 normalization Methods 0.000 claims abstract description 9
- 239000003086 colorant Substances 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 44
- 238000004040 coloring Methods 0.000 claims description 12
- 230000000737 periodic effect Effects 0.000 claims description 11
- 238000011524 similarity measure Methods 0.000 claims description 5
- 101100328886 Caenorhabditis elegans col-2 gene Proteins 0.000 claims description 4
- 101100328884 Caenorhabditis elegans sqt-3 gene Proteins 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000000926 separation method Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 241000969729 Apteryx rowi Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于归一化颜色周期的领带花型图案检索方法,该方法对图像进行分色二值化,通过自相关求出每种颜色的行列周期,并进行归一化处理,得到特征向量;将该特征向量与特征库中的特征向量通过相似度检测进行匹配运算,得到检索的结果。采用本发明方法能够对“四方连续”的领带花型图案进行有效的检索,对于花型相同颜色不同的图案也能够检测出来;同时以归一化颜色周期作为检索特征,可以避免因颜色不同而花型一致产生的误检。
Description
技术领域
本发明属于数字图像检索技术领域,具体涉及一种基于归一化颜色周期的领带花型图案检索方法。
背景技术
随着领带生产和设计的自动化程度的提高,领带生产企业对领带设计资源的管理逐步从原来的人工管理进化为自动化管理,许多领带生产企业积累了大量的领带图片,为了在生产、销售等环节中有效的挖掘利用这些领带资源,迫切需要一个领带图形检索系统对领带图形的进行自动、有效的检索。目前许多领带生产企业对领带花型的检索主要有两种方式:
对领带花型采用实样存储领带样品的方式,通过样品库中领带样品进行人工分类和编号以方便检索,主要用于领带产品的设计、产品管理等用途。该种方式需要存储大量的产品样品,还需要占用存储空间以及样品管理及保存的耗费,会造成不必要的资源浪费,并且人工在大量样品中进行检索会受到检索者的主观因素影响,检索的效率和速度都会很低。
建立基于产品分类的领带检索系统,通过领带产品的数字图像进行分类,由用户按照预先分类进行查找所需要的领带花型,以半手工查询的方式来实现对领带花型的检索,这一方式已经在一些领带生产企业的电子商务中开始应用。该种方式虽然可以一定程度上解决了上述不利因素,但是以半手工的方式在图像库中查找,检索方式单一,并且难以充分满足不同检索人员和客户的不同检索需求和对一些检索特征需求进行精确描述,速度和效率都还是比较低。因此需要充分利用各种图像检索技术建立高效准确的领带产品检索系统,以提高领带生产企业的自动化程度,和提高电子商务的应用。
目前针对领带花型的图案检索研究并不多,多采用颜色、纹理及结构等特征进行检索。如丁颖等在“基于领带花形图像检索算法研究”(杭州电子科技大学学报,2005,Vol.25(1):33,43,53,63)一文中提出在对布样扫描图像提取花型区域的基础上,运用Gabor小波变换提取花型特征,采用多角度旋转不变性的相似度计算进行检索。该方法对于方向性反应较强的条纹、格状、点状花型能够做出较好的描述。对于不能将方向信息作为主要描述方式的花类花型,容易与具有相似纹理方向信息的其他花型混淆,对于素面花型检索精度亦不高。朱华建等在“基于区域特征及相对空间关系的领带图案的识别”(浙江大学硕士学位论文,2005)一文中提出了基于区域特征及空间关系的领带图案花型识别方法,避开对图像形状和结构分析,减少运算量,但该算法对输入的花样图案有严格的要求,必须是花样的单位循环。程守远等在“基于图像检索技术的领带花型检索的研究”(东华大学硕士学位论文,2006)一文中提出根据颜色组合直方图特征和纹理特征的方法来实现领带花型的检索,该方法图像特征向量的维数高,检索计算量大,影响检索性能。
发明内容
针对现有技术所存在的上述技术问题,本发明提供了一种基于归一化颜色周期的领带花型图案检索方法,根据领带主体花型“四方连续”排列的特点,选用每种颜色的周期作为特征向量进行检索。
一种基于归一化颜色周期的领带花型图案检索方法,包括如下步骤:
(1)获取待检索领带图像,并建立该图像的颜色信息矩阵;
(2)对于待检索领带图像中的任一类颜色,若该类颜色的颜色值为vk,则将颜色信息矩阵中所有为vk的元素值重置为1,其余元素值重置为0,从而得到颜色标记矩阵Ik,k为自然数且1≤k≤K,K为待检索领带图像中颜色的总类别数;
(3)对颜色标记矩阵Ik沿行方向进行逐像素循环偏移,偏移量为i,得到颜色标记矩阵Irow_ki并使其与颜色标记矩阵Ik进行相关运算得到相关值crow_ki,i为自然数且1≤i≤N,N为颜色信息矩阵的行数;依此遍历所有偏移量1~N,得到行相关值向量Crowk=[crow_k1,crow_k2,...,crow_kN]T;
对颜色标记矩阵Ik沿列方向进行逐像素循环偏移,偏移量为j,得到颜色标记矩阵Icol_kj并使其与颜色标记矩阵Ik进行相关运算得到相关值ccol_kj,j为自然数且1≤j≤M,M为颜色信息矩阵的列数;依此遍历所有偏移量1~M,得到列相关值向量Ccolk=[ccol_k1,ccol_k2,...,ccol_kM]T;
(4)确定行相关值向量Crowk和列相关值向量Ccolk中相关值元素的峰值周期,对应得到行周期Trowk和列周期Tcolk;
(5)根据步骤(2)至(4),遍历待检索领带图像中所有颜色类别,得到行周期特征向量Trow=[Trow1,Trow2,...,TrowK]T和列周期特征向量Tcol=[Tcol1,Tcol2,...,TcolK]T;分别对行周期特征向量Trow和列周期特征向量Tcol中的元素按递减顺序重新排列并进行归一化处理后,得到待检索领带图像基于归一化的行颜色周期向量TNrow和列颜色周期向量TNcol;
(6)使待检索领带图像与图案库中各领带图像关于行颜色周期向量和列颜色周期向量进行相似度计算,使图案库中符合相似度要求的领带图像作为待检索领带图像的检索结果。
所述颜色信息矩阵的维度对应为待检索领带图像的像素尺寸,颜色信息矩阵中每个元素的元素值对应为每个像素的颜色值。
所述的步骤(3)中对颜色标记矩阵Ik沿行方向进行逐像素循环偏移即使颜色标记矩阵Ik中各行元素均向下偏移i位且将颜色标记矩阵Ik最下边的i行元素循环填补到最上边;对颜色标记矩阵Ik沿列方向进行逐像素循环偏移即使颜色标记矩阵Ik中各行元素均向右偏移j位且将颜色标记矩阵Ik最右边的j行元素循环填补到最左边。
所述的步骤(3)中根据以下算式计算相关值crow_ki和ccol_kj:
其中:Ik(x,y)为颜色标记矩阵Ik中第x行第y列的元素值,Irow_ki(x,y)为颜色标记矩阵Irow_ki中第x行第y列的元素值,Icol_ki(x,y)为颜色标记矩阵Icol_ki中第x行第y列的元素值,x和y均为自然数且1≤x≤N,1≤y≤M。
所述的步骤(5)中的归一化处理,即使重排列后的行周期特征向量Trow和列周期特征向量Tcol中各元素值除以对应向量中的最大元素值。
所述的步骤(6)中根据以下算式进行相似度计算:
其中:SIMrow和SIMcol分别为待检索领带图像与图案库中任一领带图像关于行颜色周期向量和列颜色周期向量的相似度,TNrow(k)和TNcol(k)分别为待检索领带图像的行颜色周期向量TNrow和列颜色周期向量TNcol中的第k个元素值,QNrow(k)和QNcol(k)分别为图案库中任一领带图像的行颜色周期向量QNrow和列颜色周期向量QNcol中的第k个元素值。
所述的步骤(6)中若图案库中任一领带图像与待检索领带图像关于行颜色周期向量或列颜色周期向量的相似度大于等于预设的门限值,则该领带图像即作为待检索领带图像的检索结果。
所述的门限值设定为0.7~0.9。
本发明在基于领带花型“四方循环”的基础上,通过分色二值化,相关运算求出每种颜色的周期,并将归一化周期向量作为特征进行匹配检索。
与现有技术相比,本发明具有以下有益技术效果:
(1)本发明以归一化颜色周期作为检索特征,可以避免因颜色不同而花型一致产生的误检。
(2)本发明根据数字信号处理的有关知识,相关计算公式可以等效为循环卷积,而循环卷积的计算可以采用FFT算法快速实现;因此领带花型图案进行逐象素循环偏移,然后与原花型图案进行求相关值可以采用FFT算法快速实现,减少计算时间。
附图说明
图1为本发明检索方法的流程示意图。
具体实施方式
为了更为具体地描述本发明,下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
领带图案具有以下特点:(1)背景纹理具有规律性,并且纹理细、密,而前景的主体花型则比较疏,同时主体花型是按照“四方连续”排列的(这是领带面料的织造特点),是一种有规律的循环;(2)颜色分布区域性较强,相同的颜色分布具有区域性,基本没有过渡色。
本发明方法针对领带图案中每种颜色在行、列方向均具有周期性的特点,首先对图像进行分色二值化,通过自相关求出每种颜色的周期,并进行归一化处理,得到特征向量;将该特征向量与特征库中的特征向量通过相似度检测进行匹配运算,得到检索的结果。
如图1所示,本发明领带图形检索方法,包括以下步骤:
步骤一:读入领带花型图像文件,将图像颜色信息保存在数组I中。
步骤二:扫描图像,得到图像中颜色的数量n,设n种颜色值分别为vi(i=1,2,…n),设定变量i初值为1。
步骤三:将图像数组中将数组I中颜色值为vi的点值设为1,其余值全部设为0,得到数组Ii。
步骤四:对数组Ii沿列方向进行逐象素循环偏移(偏移量为j,j=1,2,…,M),得到数组Icolij,然后与数组Ii进行相关运算得到相关值cj,所有相关值组成向量Ccol,即Ccol=[ccol1,ccol2,...,ccolM]T。
其中:x,y为图像的行序号与列序号。
步骤五:对数组Ii沿行方向进行逐象素循环偏移(偏移量为r,r=1,2,…,N),得到数组Irowir,然后与数组Ii进行相关运算得到相关值crowir,所有相关值组成向量Crow,即Crow=[crow1,crow2,...,crowN]T。
步骤六:由于领带设计图案中的花型具有周期性,因此行列自相关值在每个周期点处会出现一个峰值,并且这个峰值也是周期出现的。求出该周期,列周期记为Tcoli,行周期即为Trowi。
步骤七:重复步骤三至六,直至所有颜色周期均计算完毕,得到周期特征向量Tcol=[Tcol1,Tcol2,...,Tcoln]T与Trow=[Trow1,Trow2,...,Trown]T。
步骤八:将Tcol与Trow中向量按递减顺序排列,并进行归一化处理,得到向量TNcol与TNrow。
TNcol=Tcol/Tmaxcol,其中Tmaxcol为Tcol中的最大列周期值。
TNrow=Trow/Tmaxrow,其中Tmaxrow为Trow中的最大行周期值。
步骤九:分别计算向量TNcol与特征库中存放的向量QNcolk、TNrow与QNrowk(其中k=1,2,…,Num,Num为特征库中向量的个数)的相似度SIMcolk与SIMrowk,若行列相似度均小于门限值TH,一般可取为0.7~0.9,说明该图案在库中不存在,否则,行或列的相似度最大的图像即为检索结果。
本实施方式在基于领带花型“四方循环”的基础上,通过分色二值化,相关运算求出每种颜色的周期,并将归一化周期向量作为特征进行匹配检索。
上述的对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于上述实施例,本领域技术人员根据本发明的揭示,对于本发明做出的改进和修改都应该在本发明的保护范围之内。
Claims (8)
1.一种基于归一化颜色周期的领带花型图案检索方法,包括如下步骤:
(1)获取待检索领带图像,并建立该图像的颜色信息矩阵;
(2)对于待检索领带图像中的任一类颜色,若该类颜色的颜色值为vk,则将颜色信息矩阵中所有为vk的元素值重置为1,其余元素值重置为0,从而得到颜色标记矩阵Ik,k为自然数且1≤k≤K,K为待检索领带图像中颜色的总类别数;
(3)对颜色标记矩阵Ik沿行方向进行逐像素循环偏移,偏移量为i,得到颜色标记矩阵Irow_ki并使其与颜色标记矩阵Ik进行相关运算得到相关值crow_ki,i为自然数且1≤i≤N,N为颜色信息矩阵的行数;依此遍历所有偏移量1~N,得到行相关值向量Crowk=[crow_k1,crow_k2,...,crow_kN]T;
对颜色标记矩阵Ik沿列方向进行逐像素循环偏移,偏移量为j,得到颜色标记矩阵Icol_kj并使其与颜色标记矩阵Ik进行相关运算得到相关值ccol_kj,j为自然数且1≤j≤M,M为颜色信息矩阵的列数;依此遍历所有偏移量1~M,得到列相关值向量Ccolk=[ccol_k1,ccol_k2,...,ccol_kM]T;
(4)确定行相关值向量Crowk和列相关值向量Ccolk中相关值元素的峰值周期,对应得到行周期Trowk和列周期Tcolk;
(5)根据步骤(2)至(4),遍历待检索领带图像中所有颜色类别,得到行周期特征向量Trow=[Trow1,Trow2,...,TrowK]T和列周期特征向量Tcol=[Tcol1,Tcol2,...,TcolK]T;分别对行周期特征向量Trow和列周期特征向量Tcol中的元素按递减顺序重新排列并进行归一化处理后,得到待检索领带图像基于归一化的行颜色周期向量TNrow和列颜色周期向量TNcol;
(6)使待检索领带图像与图案库中各领带图像关于行颜色周期向量和列颜色周期向量进行相似度计算,使图案库中符合相似度要求的领带图像作为待检索领带图像的检索结果。
2.根据权利要求1所述的领带花型图案检索方法,其特征在于:所述颜色信息矩阵的维度对应为待检索领带图像的像素尺寸,颜色信息矩阵中每个元素的元素值对应为每个像素的颜色值。
3.根据权利要求1所述的领带花型图案检索方法,其特征在于:所述的步骤(3)中对颜色标记矩阵Ik沿行方向进行逐像素循环偏移即使颜色标记矩阵Ik中各行元素均向下偏移i位且将颜色标记矩阵Ik最下边的i行元素循环填补到最上边;对颜色标记矩阵Ik沿列方向进行逐像素循环偏移即使颜色标记矩阵Ik中各行元素均向右偏移j位且将颜色标记矩阵Ik最右边的j行元素循环填补到最左边。
4.根据权利要求1所述的领带花型图案检索方法,其特征在于:所述的步骤(3)中根据以下算式计算相关值crow_ki和ccol_kj:
其中:Ik(x,y)为颜色标记矩阵Ik中第x行第y列的元素值,Irow_ki(x,y)为颜色标记矩阵Irow_ki中第x行第y列的元素值,Icol_ki(x,y)为颜色标记矩阵Icol_ki中第x行第y列的元素值,x和y均为自然数且1≤x≤N,1≤y≤M。
5.根据权利要求1所述的领带花型图案检索方法,其特征在于:所述的步骤(5)中的归一化处理,即使重排列后的行周期特征向量Trow和列周期特征向量Tcol中各元素值除以对应向量中的最大元素值。
6.根据权利要求1所述的领带花型图案检索方法,其特征在于:所述的步骤(6)中根据以下算式进行相似度计算:
其中:SIMrow和SIMcol分别为待检索领带图像与图案库中任一领带图像关于行颜色周期向量和列颜色周期向量的相似度,TNrow(k)和TNcol(k)分别为待检索领带图像的行颜色周期向量TNrow和列颜色周期向量TNcol中的第k个元素值,QNrow(k)和QNcol(k)分别为图案库中任一领带图像的行颜色周期向量QNrow和列颜色周期向量QNcol中的第k个元素值。
7.根据权利要求1所述的领带花型图案检索方法,其特征在于:所述的步骤(6)中若图案库中任一领带图像与待检索领带图像关于行颜色周期向量或列颜色周期向量的相似度大于等于预设的门限值,则该领带图像即作为待检索领带图像的检索结果。
8.根据权利要求7所述的领带花型图案检索方法,其特征在于:所述的门限值设定为0.7~0.9。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410652849.7A CN104376080B (zh) | 2014-11-17 | 2014-11-17 | 一种基于归一化颜色周期的领带花型图案检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410652849.7A CN104376080B (zh) | 2014-11-17 | 2014-11-17 | 一种基于归一化颜色周期的领带花型图案检索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104376080A true CN104376080A (zh) | 2015-02-25 |
CN104376080B CN104376080B (zh) | 2017-06-20 |
Family
ID=52554987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410652849.7A Expired - Fee Related CN104376080B (zh) | 2014-11-17 | 2014-11-17 | 一种基于归一化颜色周期的领带花型图案检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104376080B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832288A (zh) * | 2017-09-27 | 2018-03-23 | 中国科学院自动化研究所 | 中文词语语义相似度的度量方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118593A (zh) * | 2007-09-04 | 2008-02-06 | 西安电子科技大学 | 基于swbct的纹理图像分类方法 |
CN103530645A (zh) * | 2013-09-25 | 2014-01-22 | 北京工商大学 | 基于局部二值模式和Zernike矩的纹理图像分类方法及系统 |
CN103854030A (zh) * | 2014-03-20 | 2014-06-11 | 武汉大学 | 基于形状共生模式的纹理图像分类方法 |
CN103871084A (zh) * | 2014-04-04 | 2014-06-18 | 南通农业职业技术学院 | 蓝印花布图案识别方法 |
CN104036232A (zh) * | 2014-05-15 | 2014-09-10 | 浙江理工大学 | 一种基于图像边缘特征分析的领带花型检索方法 |
-
2014
- 2014-11-17 CN CN201410652849.7A patent/CN104376080B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118593A (zh) * | 2007-09-04 | 2008-02-06 | 西安电子科技大学 | 基于swbct的纹理图像分类方法 |
CN103530645A (zh) * | 2013-09-25 | 2014-01-22 | 北京工商大学 | 基于局部二值模式和Zernike矩的纹理图像分类方法及系统 |
CN103854030A (zh) * | 2014-03-20 | 2014-06-11 | 武汉大学 | 基于形状共生模式的纹理图像分类方法 |
CN103871084A (zh) * | 2014-04-04 | 2014-06-18 | 南通农业职业技术学院 | 蓝印花布图案识别方法 |
CN104036232A (zh) * | 2014-05-15 | 2014-09-10 | 浙江理工大学 | 一种基于图像边缘特征分析的领带花型检索方法 |
Non-Patent Citations (1)
Title |
---|
GUI-SONG XIA 等: "Shape-based Invariant Texture Indexing", 《INTERNATIONAL JOURNAL OF COMPUTER VISION》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832288A (zh) * | 2017-09-27 | 2018-03-23 | 中国科学院自动化研究所 | 中文词语语义相似度的度量方法及装置 |
CN107832288B (zh) * | 2017-09-27 | 2020-06-16 | 中国科学院自动化研究所 | 中文词语语义相似度的度量方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104376080B (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Salvador et al. | Faster r-cnn features for instance search | |
CN105046276B (zh) | 基于低秩表示的高光谱图像波段选择方法 | |
CN103207879B (zh) | 图像索引的生成方法及设备 | |
CN104167013B (zh) | 一种用于突出显示体数据中目标区域的体绘制方法 | |
CN103413151B (zh) | 基于图正则低秩表示维数约简的高光谱图像分类方法 | |
CN104572886B (zh) | 基于k线图表示的金融时间序列相似性查询方法 | |
CN106250431B (zh) | 一种基于分类服装的颜色特征提取方法及服装检索系统 | |
CN101789005A (zh) | 一种基于感兴趣区域的图像检索方法 | |
Gao et al. | Small sample classification of hyperspectral image using model-agnostic meta-learning algorithm and convolutional neural network | |
CN103810252A (zh) | 一种基于群稀疏特征选择的图像检索方法 | |
CN106339416A (zh) | 基于网格快速搜寻密度峰值的数据聚类方法 | |
CN102930275B (zh) | 基于Cramer’s V指数的遥感影像特征选择方法 | |
CN102117337B (zh) | 一种融合空间信息的Bag of Words图像检索方法 | |
CN106257498A (zh) | 基于异构纹理特征的锌浮选工况状态划分方法 | |
CN110210567A (zh) | 一种基于卷积神经网络的服装图像分类与检索方法及系统 | |
CN105320963B (zh) | 面向高分遥感图像的大尺度半监督特征选择方法 | |
CN105740378A (zh) | 一种数字病理全切片图像检索方法 | |
Valentine et al. | Evaluation of fossil assemblages by cluster analysis | |
CN103678552A (zh) | 基于显著区域特征的遥感影像检索方法及系统 | |
CN103984746A (zh) | 基于半监督分类与区域距离测度的sar图像识别方法 | |
CN104252616A (zh) | 人脸标注方法、装置及设备 | |
CN113902901A (zh) | 一种基于轻量化检测的物体分离方法与系统 | |
Chen et al. | Hyperspectral image classification based on multi-stage vision transformer with stacked samples | |
CN107622071A (zh) | 通过间接相关反馈在无查源下的衣服图像检索系统及方法 | |
Shi et al. | F 3 Net: Fast Fourier filter network for hyperspectral image classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170620 Termination date: 20191117 |