CN108388670A - 基于局部码本的四叉树分形的图像检索方法 - Google Patents
基于局部码本的四叉树分形的图像检索方法 Download PDFInfo
- Publication number
- CN108388670A CN108388670A CN201810230003.2A CN201810230003A CN108388670A CN 108388670 A CN108388670 A CN 108388670A CN 201810230003 A CN201810230003 A CN 201810230003A CN 108388670 A CN108388670 A CN 108388670A
- Authority
- CN
- China
- Prior art keywords
- blocks
- block
- image
- ponds
- local codebook
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Abstract
本发明涉及一种基于局部码本的四叉树分形的图像检索方法,将图像等分为尺寸相同的四个R块,构成第一层的R池,针对每个R块选取D块构成D池,其中,D池中的码本为局部码本;所述的局部码本的选择策略为待匹配块的左侧、中部和右侧,即每个R块对应3个D块,分别计算这3个D块与R的匹配程度,若3个D块均满足条件则进行标记;若3个D块均不满足条件,则对R块进行4等分,一个R块分割为4个R块,对这4个R块重新构建相应的D池,继续检测,直到所有的R块都能找到匹配块,或者满足最大的层次为止;若已经到了最大层次依然没有找到最优匹配块,则用最相似匹配块替代;记录这些匹配块的位置关系作为图像的特征值。
Description
技术领域
本发明涉及提出一种基于局部码本的四叉树分形的图像检索方法。
背景技术
由于固定块分割的分形编码算法存在诸多问题,尤其是编码时间过长,无法达到实时检索的目的是其没有在图像检索领域得到广泛应用的根本原因。因此需要在研究四叉树分形的图像检索算法时采用局部码本方案来提高编码效率以达到实时检索的目的。同时还采用分层策略来增加分割块对图像的自适应能力,提高检索的准确度。
发明内容
为解决上述技术问题,本发明的目的是提供一种能够更有效的提升分割效率,使得灰度一致的区域更容易在同一个分割块中,减少分割数目,使得分割效果更加匹配图像的基于局部码本的四叉树分形的图像检索方法。
为达到上述发明目的,本发明基于局部码本的四叉树分形的图像检索方法,包括:
将图像等分为尺寸相同的R块,构成第一层的R池,针对每个R块选取D 块构成D池,其中,D池中的码本为局部码本;
所述的局部码本的选择策略为待匹配块的左侧、中部和右侧,即每个R块对应3个D块,分别计算这3个D块与R的匹配程度,
若3个D块均满足条件则进行标记;
若3个D块均不满足条件,则对R块进行4等分,一个R块分割为4个R 块,对这4个R块重新构建相应的D池,继续检测,直到所有的R块都能找到匹配块,或者满足最大的层次为止;
若已经到了最大层次依然没有找到最优匹配块,则用最相似匹配块替代;记录这些匹配块的位置关系作为图像的特征值。
进一步地,采用256*256pixel灰度图像,初始分割方案将图像等分为4块。
进一步地,所述的选取D块构成D池的选取方法包括:采用周边选择的方式将横向选取3个待匹配块块组成D池,步长等于分割块的边长,从3个待查找匹配块找到与分割块最接近的匹配块,查看其与分割块的距离,如果该距离在预先规定的距离范围内,则查找成功,把相应的信息进行记录;否则对分割块再次进行分割,对等分的4个R块继续进行匹配编码直到全部R块符合阈值或达到指定层次;若达到指定层次依然不符合阈值,将从待匹配的3个D块中指定最相似的D块为最有匹配块。
进一步地,还包括:采用以下方式定义距离公式;
设图像I(N×N),J(N×N),Ri∈I,Rj∈J;Ri,Rj块位置距离公式定义为:
如果directi=directj,即R块对应D块的位置相同,则标记距离公式如下,
dij=0
与R块比较时没有偏移量,因此设定其值为0;
如果比较的R块对应D块的位置相邻,则标记距离公式如下;
dij=stepi/2+stepj/2
采用R块步长的1/2相加作为其权值;
如果比较的R块与D块的位置相对,则标记距离见公式如下,
dij=stepi+stepj
采用R块的步长和作为其权值;
除此之外,还要对比待比较R块之间亮度差和色度差,结合考虑特征文件中的其他相关信息,得到分割块Ri,Rj相似度的判断公式如下,
dis(i,j)=(dij+||si-sj||+||oi-oj||)(stepi×stepj)/(N×N)
由于两幅图的R块数量不一定一致,因此分形码的条目数也不一定一样多,在比较的时候采用依次轮换法;根据参与比较过R块的面积决定下一轮比较的R 块位置。
进一步地,所述的图像相似度判断的算法如下:
I和J为两幅待比较的图像,这两幅图像大小一致,分形码文件分别如下所示:
(1)首先进行图像相关参数的设定,进行如下的设定:
i=1,j=1,WI=WJ=0,d=0
(2)计算两个图像相对应的第一个R块之间的距离见公式如下,
d=d+dis(Ii,Jj)
(3)判断已经判断过后的分割块的总面积,若:
WI=WJ<1令i=i+1,j=j+1,WI=WJ+WIi,WJ=WJ+WJi,继续执行(2);
WI<WJ,则i=i+1,WI=WIi,继续执行(2);
WI>WJ,则j=j+1,WJ=WJi,继续执行(2);
WI=WJ=1,转到4。
(4)dis为最终两幅图像之间的相似性度量值,即距离。
借由上述方案,本发明基于局部码本的四叉树分形的图像检索方法至少具有以下优点:
本发明采用每次分割为四个相等的正方形块的分割方式,由于正方形的自身特性,使得这种分割方式使图像具有一定的自适应性。合理的图像分割从结构上更加吻合图像像素的分布状态。其次四叉树分割比较容易实现,本发明采用了局部码本匹配的方式,对每层上的R块只选取水平方向上的三块作为匹配码本,解决了全局码本匹配过程中编码耗时的问题。由实验结果可知,图像解码质量并没有下降很多,因此改进后的四叉树分形的图像检索算法在保证图像还原度的同时,也就是还原迭代后的PSNR较高。编码时间相对于基本分形有很大提升,在ORL图库以及纹理图库测试中得到较好的效果。
上述说明仅是本实用新型技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1四叉树分割过程示意图;
图2为D池构成策略;
图3为D块方向相同的R块;
图4为D块方向相邻的R块;
图5为D块方向相邻的R块;
图6颜色直方图纹理比较结果3;
图7四叉树算法纹理比较结果;
图8改进后的四叉树分形ORL测试结果(从上至下分别为组1-组4);
图9本算法与直方图算法查全-查准率比较。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明基于局部码本的四叉树分形的图像检索方法,四叉树分形算法由于每次分割对整个图像进行四等分而得名。其分割后的方案可以通过一个四叉树进行表示,因此初始分割方案每次都将图像四等分,包括初始分割也是四等分。
本发明所述的基于局部码本的四叉树分形的图像检索方法的一种较佳实施例,包括:首先将图像等分为尺寸相同的R块,构成第一层的R池,然后针对每个R块选取D块构成D池,这里D池中的码本为局部码本。局部码本的选择策略为待匹配块的左侧、中部和右侧。即每个R块对应3个D块。分别计算这 3个D块与R的匹配程度。若满足条件则进行标记。若3个D块均不满足条件。则对R块进行4等分,一个R块分割为4个R块。接下来对这4个R块重新构建相应的D池,继续检测。直到所有的R块都能找到匹配块,或者满足最大的层次为止。若已经到了最大层次依然没有找到最优匹配块,则用最相似匹配块替代。记录这些匹配块的位置关系作为图像的特征值,用于分析和分类操作。四叉树分割过程如图1所示。
本实施例实验数据采用256*256pixel灰度图像,初始分割方案将图像等分为4块。
对于D池的选取采用周边选择的方式。因为最佳匹配块更容易在周边找到,所以将横向选取3个待匹配块块组成D池,选择的待匹配块位于分割块附近,步长等于分割块的边长,由于匹配块仅为3块,匹配计算只需要计算3次,因此大大提高了匹配效率。相对于固定块全局码本分形编码来说,编码阶段最耗时的匹配块查找时间被大大压缩,且四叉树分割方案局部码本编码后对图像的还原度还是能够令人满意的。通过计算,从3个待查找匹配块找到与分割块最接近的匹配块,查看其与分割块的距离,如果该距离在预先规定的距离范围内,认为查找成功,然后把相应的信息进行记录。否则对分割块再次进行分割,对等分的4个R块继续进行匹配编码直到全部R块符合阈值或达到指定层次。若达到指定层次依然不符合阈值,将从待匹配的3个D块中指定最相似的D块为最有匹配块,由于到达指定层次R块的尺寸已经很小,对图像相似性比较的贡献较小,无需消耗大量计算量来寻找最优块。从而可以进一步缩减编码时间。
图2展示了码本的构成,为了计算方便,采用这种查找方案。每个分割块有三种选择,会产生两种结果:如果这3个待匹配块中存在符合要求的匹配块,即近似度小于指定的阈值,则选择最为接近的待匹配块为目标块;如果没有符合要求的匹配块,则对分割块进行等分,然后对分出来的块继续进行判断。由于针对于生活图库,用户更习惯的拍摄方式是横向拍摄,画面结构更倾向于横向,这也与人类的视野生理结构相关。因此本论文选择横向查找的方式,符合大部分用户的拍摄习惯。
与此同时,针对于每个R块,由于其尺寸不一定相同,不同图像对应的R块的大小不一致,因此必须考虑到这种情况,因此这里提出了一个weight,代表不同大小的R块之间比较结果与整体图像比较结果的比例关系。
I(N×N),J(N×N),Ri∈I,Rj∈J
在这里,定义
weightij=(stepi×stepj)/(N×N) (1)
参数step表示分割块的尺寸。
因此,相对占据比重较大的两个R块具有以下特性:两个R块面积较大;两个R块面积差距不大。
同理面积越接近的R块之间的比较也会占据相对较大的权重值,也就是说,面积越接近的R块的比较更具有实际意义。
由于四叉树分割分形编码造成编码后的两幅图像的分割块大小不一致且对应比较的R块所匹配的最优块的方向也不一定相同,因此必须考虑不同方向的匹配块对于相似度距离公式的影响。在这里应该考虑不同direct导致的距离加权问题。因此采用以下方式定义距离公式。
设图像I(N×N),J(N×N),Ri∈I,Rj∈J。Ri,Rj块位置距离公式定义为:
1、如果directi=directj,即R块对应D块的位置相同,则标记距离公式见式2。
dij=0 (2)
因为对应的D块方向一致,则与R块比较时没有偏移量,因此设定其值为0。 R块与D块的对应关系如图3所示。
2、如果比较的R块对应D块的位置相邻,则标记距离公式见式3。
dij=stepi/2+stepj/2 (3)
因为对应方向相邻,则采用R块步长的1/2相加作为其权值。R块与D块的对应关系如图4所示。
3、如果比较的R块与D块的位置相对,则标记距离见公式4。
dij=stepi+stepj (4)
因为方向相对,因此采用R块的步长和作为其权值。R块与D块的对应关系如图5所示。
除此之外,还要对比待比较R块之间亮度差和色度差,结合考虑特征文件中的其他相关信息,得到分割块Ri,Rj相似度的判断公式,如公式5所示:
dis(i,j)=(dij+||si-sj||+||oi-oj||)(stepi×stepj)/(N×N) (5)
由于两幅图的R块数量不一定一致,因此分形码的条目数也不一定一样多,在比较的时候采用依次轮换法。根据参与比较过R块的面积决定下一轮比较的R 块位置。下面给出图像相似度判断的算法如下:
I和J为两幅待比较的图像,这两幅图像大小一致,假设他们的分形码文件分别如下所示:
(1)首先进行图像相关参数的设定,在这里我们首先进行如下的设定:
i=1,j=1,WI=WJ=0,d=0
(2)计算两个图像相对应的第一个R块之间的距离见公式6:
d=d+dis(Ii,Jj) (6)
(3)接下来判断已经判断过后的分割块的总面积,若:
WI=WJ<1我们令i=i+1,j=j+1,WI=WJ+WIi,WJ=WJ+WJi,继续执行 (2);
WI<WJ,则i=i+1,WI=WIi,继续执行(2);
WI>WJ,则j=j+1,WJ=WJi,继续执行(2);
WI=WJ=1,转到4。
(4)dis为最终两幅图像之间的相似性度量值,即距离。
本发明所述的方法测试结果分析
(1)纹理图片检索结果分析
首先对纹理图片进行整体编码,选取纹理图库中的图像作为待检测图像,分别用灰度直方图算法以及基于局部码本的四叉树分形的图像检索算法进行实验。由于篇幅有限,只给出任意一张纹理图的分析检索结果。如图6和图7所示。其中Picture1与Picture6为同一幅待检索图像,Picture2-Picture5与 Picture7-Picture10分别为利用颜色直方图算法以及改进后的四叉树分形算法从纹理图库中检索出的结果。
从上述的比较结果可以看出,由于灰度直方图检索算法不考虑图像的结构特征,因此仅仅根据灰度分布比例进行图像相似度比较,导致检索效果很差, Picture1和Picture2、Picture3明显纹理不同,计算出的相似度却很高。四叉树分割快速分形检索算法兼顾了图像的空间结构特征,使得纹理特征可以在分形码中得到体现,这种检索结果符合用户对纹理分类的主观感受。而待检索图像和查询最相似的4幅图的距离比较结果也已在图中标示。通过以上的测试我们观察到,由于Picture10的树叶纹理和待搜索的砖块纹理图像相差比较大,所以其与Picture6的距离比较大,接近25,而Picture7-Picture9和Picture6 的距离在19以内,从数值的比较距离结果来看,其反应出Picture7-Picture10与Picture6的相似程度。特别是Picture7从结构来看与Picture6最为相似,因此其距离最小,检索结果比较满意。
(2)ORL人脸库检索结果分析
ORL人脸图库是标准人脸识别测试图库,四叉树分形的图像检索算法并不针对人脸识别进行优化,其适用面更广,因此我们将四叉树分形检索结果的查全查准率与灰度直方图检索结果的查全查准率进行对比分析。在这里对ORL图库中的400幅人脸图像进行编码。将编码后的结果记录在数据库。检索过程:从图库中找到每个人的一幅头像作为待检测图像提取特征,作为待查找图像,根据算法得到的结果距离,由远及近进行排序。在这里我们查找得到最为接近的 10幅头像,也就是查全率是100%。按距离大小对查找出来的图像进行排序,统计查询后图像的准确率。同时也通过灰度直方图检索算法对ORL图库进行检索操作。得到的结果与四叉树分形检索算法进行对比分析看,验证算法的改进效果。
选用局部码本策略的四叉树分形的图像检索算法在测试中提取到更符合图像特征的特征码,这里采用的具体参数为:分割块的初始尺寸为 16pixel*16pixel,Fpe取值20,分割块边长为2pixel的时候停止分割。ORL图库测试结果如图8所示。第一组检索结果完全正确,从神态上说,检索结果也反映图像间的相似程度。检索的前3幅图的结果和待检索图像的神态更为接近,最后一幅图脸部侧向,因此相对距离较远。第二组检索出来的第三幅图像与待检索图像的差异较大,由于分形编码仅仅考虑图像的结构关系,对图像的灰度并不敏感,因此造成了颜色差异较大的图像因为结构类似会得到较为相似的结果。第三组和第四组均达到了很好的效果,从总体上来看,四叉树分割分形检索算法结果明显要由于基本灰度直方图图像检索算法。
因为基本固定分割分形算法只适用于图像压缩,无法应用到图像检索算法,因此在测试中,我们只能和固定分割分形算法的编码解码效率进行对比分析,而并不对检索结果进行对比。
表1为在ORL图库上,本发明方法和灰度直方图算法得到的结果对比。
表1比较结果表
从图9中可以看出,相对于ORL测试图库,基于四叉树分割方案的分形图像检索算法性能优于直方图图像检索算法的结果,整体查全查准率相对较高。本发明方法与灰度直方图检索算法对比来看,平均提高10%左右,特别是当查全率比较高的时候,这种优势更为明显。反映了四叉树分形编码很好的保留了图像的结构信息,在图像分析与检索中能够达到比较好的效果。
本发明本发明基于局部码本的四叉树分形的图像检索方法,所述的局部码本的选择策略为待匹配块的左侧、中部和右侧,即每个R块对应3个D块,分别计算这3个D块与R的匹配程度用F表示,设置阈值Fpre=20
若三个D块与R块的匹配程度F均小于Fpre,则比较其大小,选取F最小的D块进行记录。
若三个D块与R块的匹配程度F有两个小于Fpre,则比较其大小,选取F 最小的D块进行记录。
若三个D块与R块的匹配程度F有一个小于Fpre,则选取此时F对应的D 块进行记录。
若3个D块均不满足条件,则对R块进行4等分,一个R块分割为4个R 块,对这4个R块重新构建相应的D池,继续检测,直到所有的R块都能找到匹配块,或者满足最大的层次为止;
若已经到了最大层次依然没有找到最优匹配块,则用最大层次中最相似匹配块替代;记录这些匹配块的位置关系作为图像的特征值。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (5)
1.一种基于局部码本的四叉树分形的图像检索方法,其特征在于,包括:
将图像等分为尺寸相同的R块,构成第一层的R池,针对每个R块选取D块构成D池,其中,D池中的码本为局部码本;
所述的局部码本的选择策略为待匹配块的左侧、中部和右侧,即每个R块对应3个D块,分别计算这3个D块与R的匹配程度,
若3个D块均满足条件则进行标记;
若3个D块均不满足条件,则对R块进行4等分,一个R块分割为4个R块,对这4个R块重新构建相应的D池,继续检测,直到所有的R块都能找到匹配块,或者满足最大的层次为止;
若已经到了最大层次依然没有找到最优匹配块,则用最相似匹配块替代;记录这些匹配块的位置关系作为图像的特征值。
2.根据权利要求1所述的基于局部码本的四叉树分形的图像检索方法,其特征在于,采用256*256pixel灰度图像,初始分割方案将图像等分为4块。
3.根据权利要求1所述的基于局部码本的四叉树分形检索方法,其特征在于,所述的选取D块构成D池的选取方法包括:采用周边选择的方式将横向选取3个待匹配块块组成D池,步长等于分割块的边长,从3个待查找匹配块找到与分割块最接近的匹配块,查看其与分割块的距离,如果该距离在预先规定的距离范围内,则查找成功,把相应的信息进行记录;否则对分割块再次进行分割,对等分的4个R块继续进行匹配编码直到全部R块符合阈值或达到指定层次;若达到指定层次依然不符合阈值,将从待匹配的3个D块中指定最相似的D块为最有匹配块。
4.根据权利要求1所述的基于局部码本的四叉树分形的图像检索方法,其特征在于,还包括:采用以下方式定义距离公式;
设图像I(N×N),J(N×N),Ri∈I,Rj∈J;Ri,Rj块位置距离公式定义为:
如果directi=directj,即R块对应D块的位置相同,则标记距离公式如下,dij=0
与R块比较时没有偏移量,因此设定其值为0;
如果比较的R块对应D块的位置相邻,则标记距离公式如下;
dij=stepi/2+stepj/2
采用R块步长的1/2相加作为其权值;
如果比较的R块与D块的位置相对,则标记距离见公式如下,
dij=stepi+stepj
采用R块的步长和作为其权值;
除此之外,还要对比待比较R块之间亮度差和色度差,结合考虑特征文件中的其他相关信息,得到分割块Ri,Rj相似度的判断公式如下,
dis(i,j)=(dij+||si-sj||+||oi-oj||)(stepi×stepj)/(N×N)
由于两幅图的R块数量不一定一致,因此分形码的条目数也不一定一样多,在比较的时候采用依次轮换法;根据参与比较过R块的面积决定下一轮比较的R块位置。
5.根据权利要求4所述的基于局部码本的四叉树分形的图像检索方法,其特征在于,所述的图像相似度判断的算法如下:
I和J为两幅待比较的图像,这两幅图像大小一致,分形码文件分别如下所示:
(1)首先进行图像相关参数的设定,进行如下的设定:
i=1,j=1,WI=WJ=0,d=0
(2)计算两个图像相对应的第一个R块之间的距离见公式如下,
d=d+dis(Ii,Jj)
(3)判断已经判断过后的分割块的总面积,若:
WI=WJ<1令i=i+1,j=j+1,WI=WJ+WIi,WJ=WJ+WJi,继续执行(2);
WI<WJ,则i=i+1,WI=WIi,继续执行(2);
WI>WJ,则j=j+1,WJ=WJi,继续执行(2);
WI=WJ=1,转到4。
(4)dis为最终两幅图像之间的相似性度量值,即距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810230003.2A CN108388670A (zh) | 2018-03-20 | 2018-03-20 | 基于局部码本的四叉树分形的图像检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810230003.2A CN108388670A (zh) | 2018-03-20 | 2018-03-20 | 基于局部码本的四叉树分形的图像检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108388670A true CN108388670A (zh) | 2018-08-10 |
Family
ID=63066756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810230003.2A Pending CN108388670A (zh) | 2018-03-20 | 2018-03-20 | 基于局部码本的四叉树分形的图像检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388670A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021867A (zh) * | 2007-03-22 | 2007-08-22 | 成都电子机械高等专科学校 | 一种基于图像金字塔中间层分块的图像检索方法 |
US20090003702A1 (en) * | 2007-06-27 | 2009-01-01 | Microsoft Corporation | Image completion |
CN102194241A (zh) * | 2011-04-28 | 2011-09-21 | 西安交通大学 | 基于互联网的艺术拼图系统设计方法 |
US20160196286A1 (en) * | 2015-01-05 | 2016-07-07 | Samsung Electronics Co., Ltd. | Method and apparatus for managing image metadata |
CN106815877A (zh) * | 2017-01-17 | 2017-06-09 | 齐齐哈尔大学 | 一种基于字典的改进分形编码水声图像压缩算法 |
CN107005719A (zh) * | 2014-11-27 | 2017-08-01 | 奥兰治 | 分割方法以及用于对编码树单元进行信令分割的方法 |
-
2018
- 2018-03-20 CN CN201810230003.2A patent/CN108388670A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021867A (zh) * | 2007-03-22 | 2007-08-22 | 成都电子机械高等专科学校 | 一种基于图像金字塔中间层分块的图像检索方法 |
US20090003702A1 (en) * | 2007-06-27 | 2009-01-01 | Microsoft Corporation | Image completion |
CN102194241A (zh) * | 2011-04-28 | 2011-09-21 | 西安交通大学 | 基于互联网的艺术拼图系统设计方法 |
CN107005719A (zh) * | 2014-11-27 | 2017-08-01 | 奥兰治 | 分割方法以及用于对编码树单元进行信令分割的方法 |
US20160196286A1 (en) * | 2015-01-05 | 2016-07-07 | Samsung Electronics Co., Ltd. | Method and apparatus for managing image metadata |
CN106815877A (zh) * | 2017-01-17 | 2017-06-09 | 齐齐哈尔大学 | 一种基于字典的改进分形编码水声图像压缩算法 |
Non-Patent Citations (2)
Title |
---|
刘小静: "基于分形技术的图像检索系统的实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张林娜 等: "基于HV分割的快速分形图像编码算法", 《软件导刊》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jhanwar et al. | Content based image retrieval using motif cooccurrence matrix | |
Eidenberger | How good are the visual MPEG-7 features? | |
Wan et al. | A new approach to image retrieval with hierarchical color clustering | |
US6732119B2 (en) | Retrieval and matching of color patterns based on a predetermined vocabulary and grammar | |
Rana et al. | Boosting content based image retrieval performance through integration of parametric & nonparametric approaches | |
US7006714B2 (en) | Image retrieval device, image retrieval method and storage medium storing similar-image retrieval program | |
Wang | A robust CBIR approach using local color histograms | |
US7778462B2 (en) | Method of and apparatus for classifying an image | |
JP2001505730A (ja) | ベクトル量子化コードブックの生成方法 | |
Erkut et al. | HSV color histogram based image retrieval with background elimination | |
Shim et al. | Edge color histogram for image retrieval | |
CN110334628B (zh) | 一种基于结构化随机森林的室外单目图像深度估计方法 | |
Zhou | Image retrieval: feature primitives, feature representation, and relevance feedback | |
Park et al. | A composite histogram for image retrieval | |
Chua et al. | Relevance feedback techniques for color-based image retrieval | |
CN108388670A (zh) | 基于局部码本的四叉树分形的图像检索方法 | |
Dong et al. | Color space quantization-based clustering for image retrieval | |
Fauqueur et al. | Region-based retrieval: coarse segmentation with fine color signature | |
Bajaj | Image indexing and retrieval in compressed domain using color clusters | |
Bhatia | Hierarchical clustering for image databases | |
Goswami et al. | RISE: a robust image search engine | |
Schettini et al. | Color in databases: Indexation and similarity | |
Wu et al. | Image retrieval based on color and texture | |
Walczak | Image retrieval using spatial color information | |
Islam et al. | Comparison of retrieval effectiveness of different region based image representations |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180810 |
|
RJ01 | Rejection of invention patent application after publication |