-
公开(公告)号：CN103838864B
公开(公告)日：2017-02-22
申请号：CN201410105536.X
申请日：2014-03-20
Applicant: 北京工业大学
IPC: G06F17/30
CPC classification number: G06F17/30256
Abstract: 本发明涉及一种视觉显著性与短语相结合的图像检索方法，包括：输入一幅查询图像；计算查询图像的显著图；提取查询图像的显著性区域；提取查询图像显著性区域的视觉词，构造视觉短语；获得每幅图像的图像描述子；计算查询图像与图库中每幅图像的图像相似度，根据相似度值对图库中的所有图像进行排序，并按要求返回相关图像作为查询结果。本发明在经典的“词袋”模型基础上通过引入视觉显著性对图像区域进行约束，降低了图像表达的噪声，使图像在计算机中的表达更符合人类对图像语义的理解，使本发明具有良好的检索效果。本发明通过视觉词间的区域约束来构造视觉短语，与其它构造视觉短语方法相比，具有较快的速度。
-
Patent Agency Ranking
公开(公告)号：CN105426447A
公开(公告)日：2016-03-23
申请号：CN201510757225.6
申请日：2015-11-09
Applicant: 北京工业大学
CPC classification number: G06F17/30256 , G06K9/6268
Abstract: 一种基于超限学习机的相关反馈方法，本发明输入一副查询图像；对图像进行检索，得到检索结果，让用户对结果进行标记；对标记过的图像分别提取SIFT特征，Color特征，和LBP特征；利用三种特征训练三个基础分类器；将检索图库的图像分别放入三个基分类器当中，根据预测结果进行投票，对每一副未标记图片进行自动标记；重新训练更新分类器；对图库图片进行分类；返回结果。本发明建立在超限学习机的基础上，通过引入人类的查询意图，进行人机交互，有效的利用未标记图库图像来丰富学习数据，可以使图像反馈的精度大大提高，并且处理速度得到很好的控制，使图像在计算机中的表达更符合人类对图像语义的理解，使本发明具有良好的反馈效果。
-
公开(公告)号：CN105138672B
公开(公告)日：2018-08-21
申请号：CN201510564819.5
申请日：2015-09-07
Applicant: 北京工业大学
IPC: G06F17/30
Abstract: 本发明公开了一种多特征融合的图像检索方法，其包括，步骤一、输入待检索图像I；步骤二、构建图像I的颜色特征向量和SIFT特征向量；步骤三，训练查询图库中的图像获得颜色特征词典和SIFT特征词典，用所述视觉单词表示图库中的图像；步骤四、用所述视觉单词表示所述图像I，根据所述视觉单词从所述查询图库中调取候选图像集Q，计算相似度值score(Q,I)；步骤五、选取所述图像I中具有视觉显著性的局部区域Si并重复步骤三和步骤四获得候选图像集K，计算相似度值scoresal(K,I)；步骤六、两个候选融合集的重叠图像集为D，融合scoresal(D,I)和score(D,I)计算最终相似性值score*(D,I)；步骤七、中最终相似性值最高的图像作为所述待图像I的检索结果。本发明具有降低了图像噪声，提高检索准确性的优点。
-
公开(公告)号：CN103838864A
公开(公告)日：2014-06-04
申请号：CN201410105536.X
申请日：2014-03-20
Applicant: 北京工业大学
IPC: G06F17/30
CPC classification number: G06F17/30256
Abstract: 本发明涉及一种视觉显著性与短语相结合的图像检索方法，包括：输入一幅查询图像；计算查询图像的显著图；提取查询图像的显著性区域；提取查询图像显著性区域的视觉词，构造视觉短语；获得每幅图像的图像描述子；计算查询图像与图库中每幅图像的图像相似度，根据相似度值对图库中的所有图像进行排序，并按要求返回相关图像作为查询结果。本发明在经典的“词袋”模型基础上通过引入视觉显著性对图像区域进行约束，降低了图像表达的噪声，使图像在计算机中的表达更符合人类对图像语义的理解，使本发明具有良好的检索效果。本发明通过视觉词间的区域约束来构造视觉短语，与其它构造视觉短语方法相比，具有较快的速度。
-
公开(公告)号：CN105426447B
公开(公告)日：2019-02-01
申请号：CN201510757225.6
申请日：2015-11-09
Applicant: 北京工业大学
Abstract: 一种基于超限学习机的相关反馈方法，本发明输入一副查询图像；对图像进行检索，得到检索结果，让用户对结果进行标记；对标记过的图像分别提取SIFT特征，Color特征，和LBP特征；利用三种特征训练三个基础分类器；将检索图库的图像分别放入三个基分类器当中，根据预测结果进行投票，对每一副未标记图片进行自动标记；重新训练更新分类器；对图库图片进行分类；返回结果。本发明建立在超限学习机的基础上，通过引入人类的查询意图，进行人机交互，有效的利用未标记图库图像来丰富学习数据，可以使图像反馈的精度大大提高，并且处理速度得到很好的控制，使图像在计算机中的表达更符合人类对图像语义的理解，使本发明具有良好的反馈效果。
-
公开(公告)号：CN105138672A
公开(公告)日：2015-12-09
申请号：CN201510564819.5
申请日：2015-09-07
Applicant: 北京工业大学
IPC: G06F17/30
CPC classification number: G06F17/30247 , G06F17/3025 , G06F17/30256
Abstract: 本发明公开了一种多特征融合的图像检索方法，其包括，步骤一、输入待检索图像I；步骤二、构建图像I的颜色特征向量和SIFT特征向量；步骤三，训练查询图库中的图像获得颜色特征词典和SIFT特征词典，用所述视觉单词表示图库中的图像；步骤四、用所述视觉单词表示所述图像I，根据所述视觉单词从所述查询图库中调取候选图像集Q，计算相似度值score(Q,I)；步骤五、选取所述图像I中具有视觉显著性的局部区域Si并重复步骤三和步骤四获得候选图像集K，计算相似度值scoresal(K,I)；步骤六、两个候选融合集的重叠图像集为D，融合scoresal(D,I)和score(D,I)计算最终相似性值score*(D,I)；步骤七、中最终相似性值最高的图像作为所述待图像I的检索结果。本发明具有降低了图像噪声，提高检索准确性的优点。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
