CN107943977A - 一种基于相似度关联分析的图像特征检索方法 - Google Patents
一种基于相似度关联分析的图像特征检索方法 Download PDFInfo
- Publication number
- CN107943977A CN107943977A CN201711224874.5A CN201711224874A CN107943977A CN 107943977 A CN107943977 A CN 107943977A CN 201711224874 A CN201711224874 A CN 201711224874A CN 107943977 A CN107943977 A CN 107943977A
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate system
- color
- analysis
- shared
- 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.)
- Withdrawn
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于相似度关联分析的图像特征检索方法,涉及相似图像分析检索领域。本发明中:包括对图像对象进行相应坐标系导入操作,对坐标系内的图像进行图像区域分割,建立一定区域范围的共享过渡图像对象,分析局部图像对象与共享过渡图像对象的交集图像部分,对共享过渡图像对象内的若干交集图像部分进行相应的色彩特征进行分析处理。本发明通过在坐标系内对图像对象进行向量化、区域化分割,对分割区域的边界和共享点进行定位分析,进而对交集图像部分进行坐标系定位和图像色彩分析,通过有序的图像区域干涉定位分析和颜色特征分析,从而更高效更精准的检索出相似程度高的图像对象。
Description
技术领域
本发明涉及相似图像分析检索领域,尤其涉及一种基于相似度关联分析的图像特征检索方法。
背景技术
从20世纪70年代开始,有关图像检索的研究就已开始,当时主要是基于文本的图像检索技术,利用文本描述的方式描述图像的特征,如绘画作品的作者、年代、流派、尺寸等。到90年代以后,出现了对图像的内容语义,如图像的颜色、纹理、布局等进行分析和检索的图像检索技术,即基于内容的图像检索技术。
立足于图像内容,对图像进行分析和检索。相比而言,尽管图像检索已经出现了诸如直方图、颜色矩、颜色集等多种表征图像特征的方法,但是要突破对低层次特征的分析,实现难度大,进展慢。如何更好的对图像对象进行相应的分析处理,从而更高效的对图像对象进行相似图像检索,成为提高图像检索高效性和精准性需要解决的问题。
发明内容
本发明要解决的技术问题是提供一种基于相似度关联分析的图像特征检索方法,通过有序的图像区域干涉定位分析和颜色特征分析,从而更高效更精准的检索出相似程度高的图像对象。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明提供一种基于相似度关联分析的图像特征检索方法,第一步,对图像对象进行相应坐标系导入操作;第二步,对坐标系内的图像进行图像区域分割,分割出局部图像对象以及相邻局部图像对象的共享坐标点;第三步,以若干局部图像共享点坐标为中心点,向共享点坐标周围拓展相应的坐标范围,建立一定区域范围的共享过渡图像对象;第四步,分析局部图像对象与共享过渡图像对象的交集图像部分,对共享过渡图像对象内的若干交集图像部分进行相应的色彩特征进行分析处理;第五步,输出图像对象坐标分布数据信息和对应坐标范围内的色彩特征,对检索范围内的图像对象进行坐标分析和色彩特征以及指数数据分析,根据设定的特征指数匹配系数,对符合要求的图像对象进行显示输出操作。
其中,图像对象与坐标系的导入操作,根据图像拐点所在的坐标系位置,对图像对象导入的坐标系进行数值等分分析,建立适应图像对象的等分向量坐标系。
其中,对局部图像对象进行坐标系数据分析,分析相邻的局部图像对象共享的坐标系边界位置,分析出至少三个局部图像对象共享的点坐标位置。
其中,对若干交集图像部分进行分析处理;通过全局颜色直方图对交集图像部分进行颜色全局分布数据进行相应分析处理;通过累加颜色直方图对交集图像部分进行色彩特征集中指数进行相应分析处理。
其中,通过图像的全局颜色直方图对检索范围内的图像进行初步筛选,选出全局颜色相似的检索范围内的图像对象;通过图像的累加颜色直方图对检索范围内的图像进行初步筛选,选出颜色特征维数相似的检索范围内的图像对象。
与现有的技术相比,本发明的有益效果是:
本发明通过在坐标系内对图像对象进行向量化、区域化分割,对分割区域的边界和共享点进行定位分析,进而对交集图像部分进行坐标系定位和图像色彩分析,通过有序的图像区域干涉定位分析和颜色特征分析,从而更高效更精准的检索出相似程度高的图像对象。
附图说明
图1为本发明中采用坐标系对图像对象进行分割以及定位分析的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
具体实施例一:
本发明为一种基于相似度关联分析的图像特征检索方法,第一步,对图像对象进行相应坐标系导入操作;第二步,对坐标系内的图像进行图像区域分割,分割出局部图像对象以及相邻局部图像对象的共享坐标点;第三步,以若干局部图像共享点坐标为中心点,向共享点坐标周围拓展相应的坐标范围,建立一定区域范围的共享过渡图像对象;第四步,分析局部图像对象与共享过渡图像对象的交集图像部分,对共享过渡图像对象内的若干交集图像部分进行相应的色彩特征进行分析处理;第五步,输出图像对象坐标分布数据信息和对应坐标范围内的色彩特征,对检索范围内的图像对象进行坐标分析和色彩特征以及指数数据分析,根据设定的特征指数匹配系数,对符合要求的图像对象进行显示输出操作。
进一步的,图像对象与坐标系的导入操作,根据图像拐点所在的坐标系位置,对图像对象导入的坐标系进行数值等分分析,建立适应图像对象的等分向量坐标系。
进一步的,对局部图像对象进行坐标系数据分析,分析相邻的局部图像对象共享的坐标系边界位置,分析出至少三个局部图像对象共享的点坐标位置。
进一步的,对若干交集图像部分进行分析处理;通过全局颜色直方图对交集图像部分进行颜色全局分布数据进行相应分析处理;通过累加颜色直方图对交集图像部分进行色彩特征集中指数进行相应分析处理。
进一步的,通过图像的全局颜色直方图对检索范围内的图像进行初步筛选,选出全局颜色相似的检索范围内的图像对象;通过图像的累加颜色直方图对检索范围内的图像进行初步筛选,选出颜色特征维数相似的检索范围内的图像对象。
具体实施例二:
全局颜色直方图:反映的是图像中颜色的组成分布,即出现了哪些颜色以及各种颜色出现的概率。颜色直方图相对于图像的以观察轴为轴心的旋转以及幅度不大的平移和缩放等几何变换是不敏感的,颜色直方图对于图像质量的变化也不甚敏感。颜色直方图的这种特性使得它比较适合于检索图像的全局颜色相似性的场合,即通过比较颜色直方图的差异来衡量两幅图像在颜色全局分布上的差异。
累加颜色直方图:当图像中的特征并不能取遍所有可取值时,统计直方图中会出现一些零值。这些零值的出现会对相似性度量的计算带来影响,从而使得相似性度量并不能正确反映图像之间的颜色差别。在累加直方图中,相邻颜色在频数上是相关的。相比一般直方图,虽然累加直方图的存储量和计算量有很小的增加,但是累加直方图消除了一般直方图中常见的零值,也克服了一般直方图量化过细过粗检索效果都会下降的缺陷。一般的颜色直方图由于颜色空间是三维的,具有相同的三通道独立分布,但其联合分布并不为一。这种不考虑联合分布的方法,会导致在结果集中不相似的图像数目增加。因此便产生了1*3D的颜色直方图,设三个通道的量化级数分别是l、m、n,则总的量化级数K=l*m*n。这种方法虽然克服了一维的缺点,但颜色分辨率较低,而特征维数较高。对于一般的直方图特征维数是K=l+m+n,因此1*3D直方图的高维数,给特征处理带来了极大的不便。因此便想到了量化直方图。考虑到不同颜色空间的特性,各通道对人眼的视觉重要程度不同,可以对不同的颜色通道给于不同的量化级数。
具体实施例三:
如图1所示,对图像对象进行坐标系的向量化导入,将图像对象分割为Ma、Mb、Mc、Md和Na、Nb、Nc、Nd的局部图像对象,这八个局部图像对象的共享坐标点向外拓展形成A、B、C三个共享过渡图像对象,A、B、C每个共享过渡图像对象中都与周围的四个局部图像对象形成交涉部分。
在对图像对象进行色彩特征分析时,对A、B、C每个共享过渡图像对象内色彩特征分布与A、B、C共享过渡图像对象的坐标系位置进行定位分析,在坐标系定位与色彩特征分析时,对共享过渡图像对象中都与周围的四个局部图像对象形成交涉部分进行色彩特征连续性以及断层性进行相应分析,从而可以更加精准的进行图像对象检索分析操作。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于相似度关联分析的图像特征检索方法,其特征在于:
第一步,对图像对象进行相应坐标系导入操作;
第二步,对坐标系内的图像进行图像区域分割,分割出局部图像对象以及相邻局部图像对象的共享坐标点;
第三步,以若干局部图像共享点坐标为中心点,向共享点坐标周围拓展相应的坐标范围,建立一定区域范围的共享过渡图像对象;
第四步,分析局部图像对象与共享过渡图像对象的交集图像部分,对共享过渡图像对象内的若干交集图像部分进行相应的色彩特征进行分析处理;
第五步,输出图像对象坐标分布数据信息和对应坐标范围内的色彩特征,对检索范围内的图像对象进行坐标分析和色彩特征以及指数数据分析,根据设定的特征指数匹配系数,对符合要求的图像对象进行显示输出操作。
2.根据权利要求1所述的一种基于相似度关联分析的图像特征检索方法,其特征在于:
图像对象与坐标系的导入操作,根据图像拐点所在的坐标系位置,对图像对象导入的坐标系进行数值等分分析,建立适应图像对象的等分向量坐标系。
3.根据权利要求1所述的一种基于相似度关联分析的图像特征检索方法,其特征在于:
对局部图像对象进行坐标系数据分析,分析相邻的局部图像对象共享的坐标系边界位置,分析出至少三个局部图像对象共享的点坐标位置。
4.根据权利要求1所述的一种基于相似度关联分析的图像特征检索方法,其特征在于:
对若干交集图像部分进行分析处理;
通过全局颜色直方图对交集图像部分进行颜色全局分布数据进行相应分析处理;
通过累加颜色直方图对交集图像部分进行色彩特征集中指数进行相应分析处理。
5.根据权利要求1所述的一种基于相似度关联分析的图像特征检索方法,其特征在于:
通过图像的全局颜色直方图对检索范围内的图像进行初步筛选,选出全局颜色相似的检索范围内的图像对象;
通过图像的累加颜色直方图对检索范围内的图像进行初步筛选,选出颜色特征维数相似的检索范围内的图像对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711224874.5A CN107943977A (zh) | 2017-11-29 | 2017-11-29 | 一种基于相似度关联分析的图像特征检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711224874.5A CN107943977A (zh) | 2017-11-29 | 2017-11-29 | 一种基于相似度关联分析的图像特征检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107943977A true CN107943977A (zh) | 2018-04-20 |
Family
ID=61946690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711224874.5A Withdrawn CN107943977A (zh) | 2017-11-29 | 2017-11-29 | 一种基于相似度关联分析的图像特征检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107943977A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597876A (zh) * | 2020-12-20 | 2021-04-02 | 湖北工业大学 | 基于特征融合的书法汉字评判方法 |
-
2017
- 2017-11-29 CN CN201711224874.5A patent/CN107943977A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597876A (zh) * | 2020-12-20 | 2021-04-02 | 湖北工业大学 | 基于特征融合的书法汉字评判方法 |
CN112597876B (zh) * | 2020-12-20 | 2024-03-26 | 湖北工业大学 | 基于特征融合的书法汉字评判方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104331699B (zh) | 一种三维点云平面化快速搜索比对的方法 | |
CN107832672A (zh) | 一种利用姿态信息设计多损失函数的行人重识别方法 | |
CN103903061B (zh) | 三维矿产资源预测评价中信息综合处理装置及其方法 | |
CN106875406A (zh) | 图像引导的视频语义对象分割方法及装置 | |
Suer et al. | An improved border detection in dermoscopy images for density based clustering | |
CN103337072B (zh) | 一种基于纹理与几何属性联合模型的室内对象解析方法 | |
CN105825502B (zh) | 一种基于显著性指导的词典学习的弱监督图像解析方法 | |
CN102508917B (zh) | 部分特征图像的多维度目标快速鲁棒检索定位方法 | |
CN105574527A (zh) | 一种基于局部特征学习的快速物体检测方法 | |
CN105844602A (zh) | 一种基于体元的机载lidar点云三维滤波方法 | |
Singh et al. | A two-stage framework for road extraction from high-resolution satellite images by using prominent features of impervious surfaces | |
CN107085848A (zh) | 一种rgb‑d图显著性的检测方法 | |
CN105740378A (zh) | 一种数字病理全切片图像检索方法 | |
CN107945189A (zh) | 一种基于正态分布变换单元的点云平面分割方法 | |
CN107301644A (zh) | 基于均值漂移和模糊聚类的自然图像无监督分割方法 | |
CN115830587A (zh) | 一种基于高精度点云数据的结构面快速自动识别方法 | |
Zhou et al. | Stratified Object‐Oriented Image Classification Based on Remote Sensing Image Scene Division | |
Aamir et al. | A hybrid approach for object proposal generation | |
CN107943977A (zh) | 一种基于相似度关联分析的图像特征检索方法 | |
CN101430789A (zh) | 基于Fast Slant Stack变换的图像边缘检测方法 | |
CN105139452B (zh) | 一种基于图像分割的地质曲线重建方法 | |
Li | Application of artificial intelligence in cultural heritage protection | |
CN106980878A (zh) | 三维模型几何风格的确定方法及装置 | |
Mejia-Ugalde et al. | Directional morphological approaches from image processing applied to automatic tool selection in computer numerical control milling machine | |
Ji et al. | Point cloud segmentation for complex microsurfaces based on feature line fitting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180420 |
|
WW01 | Invention patent application withdrawn after publication |