一、结合色彩和空域信息的一种CBIR方法(论文文献综述)
张霞[1](2021)在《基于低层特征的色纺面料图像检索系统开发》文中研究指明
季秋菊[2](2020)在《基于BOW的密文图像检索研究》文中指出军事,医疗,娱乐和生活等各个领域正在以不断增长的速度产生大量的图像,存储空间和计算能力的限制,导致很多使用本地设备的用户将图像处理外包到云服务器完成。然而,明文图像如果直接外包给云服务器,可能会泄露一些隐私信息,因此隐私数据的保护就成了一个重要的问题。JPEG是日常生活中最常用的图像格式。本文提出基于BOW的密文JPEG图像检索方案。该方案利用云服务器从加密的JPEG图像中提取特征,从而减少图像用户的工作量,实现隐私保护检索。本文主要研究内容如下:(1)提出了基于局部特征的密文JPEG图像检索方案。在本方案中,内容拥有者首先对图像的颜色分量通过离散余弦变换得到DC和AC系数,再结合使用置乱加密、流加密、值替换来对JPEG图像进行加密,而后传至云服务器。服务器虽然对明文图像毫无了解,但它可以提取关于AC系数的局部统计量,继而结合BOW模型使用统计量来计算相似性,最后将最相似的图像返回给查询者。实验的结果显示了本论文的方案可以保证较好的时间效率、安全性和精度,在保证图像安全的同时,支持图像检索。(2)提出了基于QDCT编码的密文JPEG图像检索方案。JPEG图像是通过离散余弦变换,量化,熵编码等一系列步骤获得的。本文首先将图像从空间域转换为四元数域。通过分析QDCT和DCT之间的代数关系,提出了彩色图像的QDCT量化表和QDTC编码。对压缩图像数据通过块置换,块内置换,单表替换和流密码的步骤进行加密。最后,原始图像和查询图像之间通过曼哈顿距离来度量相似度,该距离是由云服务器端的两个特征向量和BOW来计算的。结果显示进一步增加了安全系数和检索精度。本文通过分析方案安全性和实验结果,证明了基于QDCT编码的密文JPEG图像检索方案较之前的基于局部特征的密文JPEG图像检索方案的安全性更高,检索性能更好。
尹玉梅[3](2020)在《基于感知哈希的图像相似检索算法研究》文中研究指明近年来,随着多媒体网络技术的快速发展,人们沟通交流的方式也从传统的线下交流转变为线上联系。在此背景下,通信图像迅速融入人们的日常生活中,人们通过多媒体等手段每天向网络空间传输数以亿计的图像,供人们下载使用。但产生的图像数量过于繁多,不利于用户对所需图像的检索,这就对能够快速、准确地搜索用户所需图像的技术提出了更高的要求。基于感知哈希的图像检索以其能够降低图像数据维度的特点,从而大幅度提高检索效率而成为当今研究的热点。每一张图像都可以通过特征提取得到数据量被缩小的可以表征图像的哈希序列,通过对哈希序列进行距离度量,就可以得到图像间的相似程度,进而得到检索结果,而对图像特征提取方法的选择直接影响着算法的识别准确率与运行时间,本文通过对传统感知哈希算法存在的问题进行分析,针对性的提出三种改进算法。其一,针对AHash算法中存在的图像内容信息严重丢失、图像特征难以区分等造成的检索准确度不高的情况,并利用一行数据或一列数据的波动程度可以用方差表示,提出一种基于颜色方差的图像相似检索算法。实验证明,该算法的平均识别准确率为72.17%,AHash算法、PHash算法、DHash算法的平均识别准确率分别为55.33%、85.17%、74.50%,本算法所检索出的相似图像个数明显比AHash算法更为完整,较AHash算法提升了23.33%。其二,针对DHash或PHash等图像相似检索算法中存在的只依靠一个阈值进行相似判定而造成的不严谨情况,提出了基于双重哈希的图像相似检索算法。实验证明,该算法在图像相似检索中的平均识别准确率可达86.17%,而DHash算法为74.50%,PHash算法为85.17%,故改进算法较PHash/DHash算法能够更准确、完整的检索所有相似图像。其三,旋转检测实验证明采用基于DHash算法对旋转后的图像进行识别,得到的识别准确率不理想,针对此问题提出了一种抗旋转的改进DHash算法。实验证明,该算法能有效区分图像,图像在10以内旋转时,能有效识别图像;同时,改进算法的抗旋转性能较DHash算法能得到有效增强,并且在抵抗图像对比度调整、伽马校正、高斯滤波等数据攻击时性能较传统感知哈希算法更好。
卢丽华[4](2019)在《基于多表置换加密的密文图像检索研究》文中研究说明多媒体设备的使用使得以数字图像为主的多媒体数据急剧增多。为了从庞大的图像库中检索到用户所需的图像资源,基于内容的图像检索(Content-Based Image Retrieval,简称CBIR)方案研究得到了发展。由于本地设备的内存和计算能力有限,很多用户选择将CBIR外包给云服务器完成。但是将图像内容直接暴露在云服务器上是不安全的,因此安全的CBIR方案成为了当前的研究热点。在目前大部分安全CBIR方案中,图像用户需要提取特征并建立索引,这对用户来说仍是不小的工作量。本文提出基于多表置换加密的密文图像检索方案。该方案研究从加密的图像中提取有效的图像特征,从而减少图像用户的工作量,实现安全检索。本课题的主要研究内容如下:1)针对置换加密方法不能抵抗统计攻击的问题,提出了基于多表置换加密和全局直方图检索的方案。在该方案中,首先对图像的颜色分量进行离散余弦变换(Discrete Cosine Transform,简称DCT)得到DCT系数。然后使用流加密技术、多表置换加密方法和值置乱加密方法来保护图像内容。最后从加密图像中提取出AC系数和颜色值直方图作为图像的全局特征,并建立加密图像和对应特征之间的线性索引。图像之间的相似度通过计算特征向量的曼哈顿距离来衡量。与之前方案相比,该方案在保证图像检索精度的基础上,提高了图像的安全性。2)针对加密图像检索中检索精度不高的问题,提出了基于多表置换加密和局部颜色直方图检索的方案。在明文域特征袋模型(Bag-Of-Features,简称BOF)的基础上,我们构建了能应用于密文域特征提取的加密特征袋模型(Bag-Of-Encryption-Features,简称BOEF)。在该方案中,首先使用多表置换和图像块置乱加密方法来保护图像内容。然后将图像分块,从局部图像块中提取出颜色直方图作为局部特征,并对所有的局部特征使用k-means聚类方法进行聚类,得到聚类中心,所有的聚类中心组成加密词汇本。每张图像的特征向量都用基于加密词汇本的词频直方图来表示。图像之间的相似度通过计算特征向量的曼哈顿距离来衡量。该方案提出了能应用于密文域的BOEF模型,从加密图像中提取图像的局部特征并用于检索,进一步提高了检索精度。本文通过安全性分析,证明了多表置换加密比之前的值置换方法的安全性更高;实验结果表明,基于BOEF模型的CBIR方案检索性能更好。
彭飞[5](2019)在《基于局部语义块和流行排序的鞋印图像检索》文中进行了进一步梳理鞋印图像是犯罪现场留存率较高的证据之一,由于存在重复作案的情况,现场遗留的鞋印图像可以帮助刑侦人员快速进行的案件串并,这可以大大增加案件的侦破几率。同时,如果刑侦数据库中有对应人员录入的鞋印图像,则可以直接缩小破案范围,甚至直接锁定嫌疑人。因此,针对现场遗留的鞋印图像的快速有效的检索是刑侦领域急需解决的一个技术问题。目前的鞋印图像检索算法没有考虑到用户关注的局部区域,而是直接将整幅鞋印图像输入到检索系统提取特征,再将其用于检索。由于现场鞋印图像大多是残缺以及模糊的,将整幅图像作为唯一输入并不合适,本文认为某些保留下来的清晰的局部区域应该得到更多的关注;并且,现有的鞋印图像二次检索算法对于残缺库图之间的关系描述不准确,需要加以改进。基于以上两点,本文提出了基于局部语义块和流形排序的鞋印图像检索算法,主要工作如下:1)提出了基于局部语义块的现场鞋印图像检索算法现场的鞋印图像通常是残缺以及模糊的,为了减弱这一现象对于检索性能的影响,本文不仅使用了整幅图像作为输入,还引入了局部语义块作为输入。本文提出的基于局部语义块的现场鞋印图像检索算法根据现场鞋印图像的特点给出了两个规则,即优先选取清晰的局部区域以及优先选取具有重复性的局部区域。依据这两个规则引导用户在查询图上选择一块局部区域,本文称之为局部语义块。然后,将局部语义块与小波傅里叶梅林特征在分数层面进行融合,将融合后得到的得分作为排序得分。该算法在含有10096幅图像的现场鞋印图像数据集上进行了实验,并在检索结果的前2%处取得的累计匹配分数为91.5%,优于现有的一次检索算法。2)提出了基于改进流形排序的现场鞋印图像检索算法现有的现场鞋印图像检索二次排序算法中不能很好的描述残缺鞋印图像之间的关系,为了改善这一问题,本文提出了改进流形排序算法用于现场鞋印图像检索。此外,本文还提出了相似度变换函数,其可以使改进流形排序算法在鞋印图像检索上获得更好的效果。本文算法通过两幅库图与查询图之间的相似度间接的衡量这两幅库图之间的相似度,这对于图像质量不佳的现场鞋印图像有着较好的效果。本文算法在现场鞋印图像数据集上较现有的流形排序算法在前2%处获得1.8%的提升,证明了该算法的有效性。同时该算法可以把本文提出的基于局部语义块的检索算法用于一次检索,然后再使用该算法进行二次排序,最后获得了最好的检索效果。本文也在参考鞋印图像数据集上进行了测试,并没有引起检索性能的下降,可证明该算法的鲁棒性。
陈建华[6](2019)在《基于多特征融合与LSH的密文图像检索研究》文中提出随着移动设备的不断应用和发展,图像等可视化数据的存储需求不断增大,外包图像数据至云服务器成了一种主流的趋势。在云服务器中,图像拥有者不需要在本地存储图像资源,而用户只需要获得授权就可以很快捷的获取所需的图像资源,这给用户和图像拥有者两者之间带来了极大的便利。由于图像资源隐私泄露的事件时有发生,因此安全问题同样给云服务器带来了挑战。为了保证图像的存储安全,图像资源不能直接外包给云服务器,需要将图像加密后再存储至云端,但加密后的图像检索问题是一个难题。因此如何对云计算环境下的加密图像进行高效检索,是一个极具挑战性的课题。针对云环境下的密文图像检索存在的问题,本文主要研究基于多特征融合与LSH(局部敏感哈希)的密文图像检索研究技术。本文主要贡献如下:(1)提出了基于多特征融合与LSH的密文图像检索方法。该方法首先结合深度学习,用DenseNet提取图像的深度特征,同时提取CLD(颜色局部描述符)、EHD(边缘直方图描述符)和BOW(词袋)特征,并对特征进行二值化处理。然后对四类特征进行自适应加权融合得到融合特征,并利用PCA对融合特征进行降维。最后使用局部敏感哈希(LSH)算法对融合特征构建预过滤表以提高搜索效率,并用安全的k-近邻(kNN)算法和Logistic加密方法分别对融合特征和图像进行加密。实验结果表明本文在保证图像安全的同时能有效的提高密文图像的检索精度和检索时间。(2)提出了云计算环境下基于可搜索加密的密文图像检索方法。该方法首先采用加密算子对图像的R,G,B三通道进行加密,然后,设计了一个自适应融合特征提取器,最后将加密图像和融合特征提取器直接上传至云端。云服务器通过融合特征提取器分别得到三类颜色直方图特征的权重和融合特征向量,并对融合特征构建索引。云服务器可直接比较两个特征向量之间的哈希值和欧式距离来计算图像之间的相似度。实验结果表明,本文的方法与现有的加密检索方案相比,不仅提升了外包图像的安全强度,而且提高了检索性能。
冯彦明[7](2017)在《基于Curvelet特征应用的太阳图像检索研究》文中研究指明近年来,挖掘大型图像库(比如太阳图像)所包括的内容依然是很具有挑战性的,而且图像库也在一直不断的增加。因此,想要在相关图像库中找到特定的那些图像变得越来越困难。想要获取具体的特定图像,而这些图像却被埋葬在了庞大的图像库中。例如,在成千上万张图像的太阳图像库当中,想要获取特定的某种类型的照片依然不是个简单的任务。检索系统中所使用的搜索引擎必须既高效又有效,而基于内容的图像检索技术(CBIR)刚好满足这样的要求,它是利用图像的颜色、纹理、形状、边沿等底层视觉特征来描述图像内容并进行检索的,CBIR克服了基于文本的图像检索方法的诸多缺点,引起研究人员的广泛关注。而对于太阳图像这种灰度图像来说,选择纹理特征来描述无疑是效果最好的。在以往的图像处理过程当中小波变换因其具有较好的时域频域分析能力,而被人们广泛使用,但是小波变换也不是处处都是有优势的,当进行超平面奇异性的处理时,小波变换就显得不是特别合适了。而曲波(Curvelet)作为一种新的分析工具,它能够稀疏的表示具有直线特征的图像,可以应用到二维图像处理过程中。本文首先在研究多尺度几何分析以及Curvelet理论的基础上,对Curvelet变换的实现过程进行了研究与分析。在此基础上,论文主要做了以下工作:第一,从基于内容的图像检索入手,通过对CBIR系统结构的分析,针对本文所采用的太阳图像样本库,选择纹理特征提取方式,查询过程中匹配的时候选择欧氏距离相似性度量方式,以及对结果评价的时候选择查全查准曲线,来进行检索实验。第二,将Curvelet纹理特征提取之后应用在太阳图像的检索过程中,并且通过检索实验来验证其检索的性能,接着又对Curvelet特征提取算法提出了优化,成功的对Curvelet特征进行降维,提高了检索效率。第三,将Curvelet纹理特征与Wavelet纹理特征进行简单加权融合,将融合之后的特征进行检索实验,融合之后的特征带来了不错的检索性能。
吴强[8](2017)在《CBIR中特征提取技术的比较研究》文中指出信息化时代,生活中出现了海量的图像信息。要从这些海量信息中检索出与目标相似的图像,一直是图像检索技术研究的目的。以前的图像检索技术主要基于文本。随后,出现了基于图像的颜色、纹理、形状等来提取特征的算法,这些基于语义内容上描述特征的检索方法,即为基于内容的图像检索技术(Content-Based Image Retrieval,CBIR)。基于内容的图像检索中的关键技术之一是特征提取技术。本文首先论述了课题的研究背景和现状,并对基于内容的图像检索技术作了结构性介绍。然后,实验分析了两种传统的特征提取技术在图像检索中的效果。最后,详细介绍了三种发展较好的特征提取方法在图像检索上面的运用,并进行了实验比较分析。本文主要工作如下:(1)在传统的特征提取方法中,本文主要研究了CBIR中基于HSV空间颜色的特征提取方法和基于灰度共生矩阵的特征提取方法。并实验分析了这两种特征提取方法在图像检索方面的检索效果。(2)研究了哈希算法在图像检索系统中的应用。在哈希算法中,主要研究的是均值哈希算法的特征提取技术,并通过离散余弦变换代替图像尺寸缩小对其进行了改进。随后,将改进后的均值哈希算法与改进前的均值哈希算法应用于图像检索中,并对两者的检索效果进行了比较。实验证明,改进后的均值哈希特征提取技术在CBIR中的检索效果要优于未改进的均值特征提取技术和两种传统的特征提取技术。(3)研究了SIFT算法在图像检索系统中的应用。介绍了SIFT算法提取特征描述子的基本原理和具体步骤,并通过实验分析了SIFT特征提取方法在CBIR中的表现。(4)研究了卷积神经网络在图像检索系统中的应用。通过研究经典的卷积神经网络模型,提出一种新型的预训练卷积神经网络来提取图像特征,并通过实验分析了本文卷积神经网络模型在CBIR中的检索效果。为了对各种特征提取方法的性能优劣进行比较,本文中,各种算法都采用相同的实验条件。实验结果表明,与传统的特征提取技术相比,新型的特征提取技术具有更好的检索性能。
李晓[9](2016)在《基于内容的文物图像检索技术的研究和实现》文中研究说明我国拥有丰富的文物资源,但是对这些文物资源的保存却十分困难。在“大数据”的时代背景下,为了更好的对文物资源进行鉴赏、交流和保护,建立一个完善的数字化文物保护体系势在必行。作为馆藏文物数字化进程的重要组成部分,文物图像检索技术逐渐成为新的研究热点。文物图像本身具有数据量大、维度和信息分辨率高等特点,传统的检索方法已不能实现对海量文物图像的快速精准检索。基于内容的图像检索技术(CBRI)应运而生,并迅速成为图像处理和计算机视觉领域的技术新贵。本文对CBIR的关键技术进行探索了与研究,旨在构建一个性能良好的文物图像检索模型。所做的主要工作有:(一)研究了图像底层视觉特征的提取算法。通过对大量实验数据的对比分析,提出了综合使用颜色特征和LBP-HF纹理特征的多特征融合方法来实现对文物图像的检索,实验证明该方法的检索准确率高于单特征检索。(二)探索了图像的相似性度量标准。因为文物图像中颜色信息和纹理信息在图像检索时的所起到的重要性不同,提出了对不同特征的相似度进行加权求和的方法,并将其作为图像特征的综合相似性度量标准。(三)将基于图像底层视觉特征的图像检索技术与相关反馈技术相结合,避免了因缺乏高层语义而产生的“语义鸿沟”。通过对用户反馈信息的不断学习,调整检索策略,进而达到提高文物图像检索性能的目的。
王玄烨[10](2015)在《基于内容的图像检索技术的研究与实现》文中研究表明随着信息化技术的迅猛发展,人们接触到了越来越多的图像信息,科技的进步,给人们的生活带来了许多的便利,海量的图像数据更是开阔了人们的视野。如何从巨大的图像数据库中为用户快速地检索目标图像,已成为信息领域亟待解决的关键问题。这项技术又被称之为图像检索,图像检索主要包括基于文本和基于内容两大研究方向,本文的研究方向是基于内容的图像检索技术。在计算机视觉系统中,图像的视觉内容包括颜色、纹理、形状等低层特征,还包括语义层信息,图像的语义具有面向用户的特性,指的是人们对图像内容的抽象概念以及图像中对象与对象的空间关系等。本文的主要内容是,掌握基于内容的图像检索相关技术,重点研究图像各个低层特征的提取方法,并对其进行改进。针对全局颜色直方图不能反映图像的颜色空间信息这一局限性,本文提出了一种自适应加权分块的图像检索算法。首先对图像进行重叠分区,提取各个区域的颜色直方图;其次,根据提取的颜色特征向量计算中心区域与周边区域的相似性度量,由相似性度量来确定各个区域的权值,相似度越高权值越大,同理,相似度越低,权值也越小;最后对各个区域颜色直方图加权,构成总的特征向量进行检索。实验表明,本文提出的算法在检索时间上没有明显增加,且准确率更高。综合小波变换的多尺度性、灰度共生矩阵的统计特点以及方向梯度直方图在描述图像局部目标表象和形状的优良性能,提出了基于离散小波变换的GLCM和HOG的特征融合检索方法,首先利用离散小波变换对图像进行尺度变换,提取一维小波分解各个子带的灰度共生矩阵统计量特征,以及多维分解的高频纹理特征;然后利用Harris角点,分别对小波分解的各个子带进行兴趣点检测,计算兴趣点局部区域的HOG特征;最后,根据全局特征和局部特征相结合的思想,将基于离散小波的灰度共生矩阵统计量特征、系数纹理特征和基于兴趣点的HOG特征融合进行检索。实验表明,该方法的检索效果较好。最后,本文设计和实现了基于内容的图像检索平台。该平台主要用来测试本文所实现的算法,具有操作简便、界面直观等特点。
二、结合色彩和空域信息的一种CBIR方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、结合色彩和空域信息的一种CBIR方法(论文提纲范文)
(2)基于BOW的密文图像检索研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 加密图像检索研究 |
1.2.2 基于四元数理论的图像处理研究 |
1.3 主要研究内容 |
第二章 加密图像检索方案的模型和相关知识 |
2.1 系统模型 |
2.2 安全模型 |
2.3 JPEG编码过程 |
2.4 BOW模型 |
2.5 常用图像功能加密方法 |
2.6 实验参数以及评价指标 |
2.6.1 实验环境和图像库 |
2.6.2 平均精确率 |
2.7 本章小结 |
第三章 基于局部特征的密文JPEG图像检索算法研究 |
3.1 加密图像检索方案 |
3.1.1 方案概览 |
3.1.2 加密图像检索算法 |
3.2 安全性分析 |
3.2.1 模型安全性分析 |
3.2.2 加密方法安全性分析 |
3.3 实验结果比较 |
3.3.1 图像的加密效果 |
3.3.2 检索精度 |
3.3.3 检索效率 |
3.4 本章小结 |
第四章 基于QDCT编码的密文JPEG图像检索算法研究 |
4.1 QDCT编码过程 |
4.2 加密图像检索方案 |
4.2.1 图像加密 |
4.2.2 特征提取 |
4.2.3 图像查询 |
4.3 安全性分析 |
4.4 实验结果比较 |
4.4.1 图像的加密效果 |
4.4.2 检索精度 |
4.4.3 检索效率 |
4.5 本章小结 |
第五章 总结及展望 |
5.1 工作总结 |
5.2 研究展望 |
致谢 |
参考文献 |
作者简介 |
(3)基于感知哈希的图像相似检索算法研究(论文提纲范文)
摘要 |
abstract |
缩略词 |
第一章 绪论 |
1.1 研究目的及意义 |
1.2 国内外研究现状 |
1.3 论文的主要工作及创新点 |
1.3.1 论文的主要工作 |
1.3.2 论文的创新点 |
1.4 论文的组织结构 |
第二章 相关基础理论知识介绍 |
2.1 图像预处理 |
2.1.1 灰度化 |
2.1.2 灰度插值化 |
2.1.3 图像增强 |
2.2 感知哈希的基本概念 |
2.3 感知哈希的性质 |
2.4 感知哈希技术的检索流程 |
2.5 感知哈希的性能评判指标 |
2.6 图像的哈希特征 |
2.6.1 均值哈希 |
2.6.2 感知哈希 |
2.6.3 差异值哈希 |
2.7 图像的相似性度量 |
2.8 本章小结 |
第三章 基于颜色方差与双重哈希的图像检索算法研究 |
3.1 问题描述 |
3.1.1 问题一描述 |
3.1.2 问题二描述 |
3.2 基于颜色方差算法的研究过程 |
3.2.1 算法实现 |
3.2.2 实验结果分析 |
3.3 基于双重哈希的算法研究过程 |
3.3.1 算法实现 |
3.3.2 实验结果分析 |
3.4 旋转检测实验 |
3.5 本章小结 |
第四章 一种抗旋转的改进差异值哈希算法研究 |
4.1 问题分析 |
4.2 改进的差异值哈希算法 |
4.3 实验结果分析 |
4.3.1 实验数据 |
4.3.2 实验一:唯一性实验 |
4.3.3 实验二:攻击性检测 |
4.4 本章总结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 A 攻读硕士学位期间研究成果 |
附录 B 部分核心代码 |
附录 B.1:Ahash算法 |
附录 B.2:PHash算法 |
附录 B.3:DHash算法 |
附录 B.4:颜色方差算法 |
附录 B.5:双重哈希算法 |
附录 B.6:抗旋转的改进DHash算法 |
(4)基于多表置换加密的密文图像检索研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 加密文本检索研究 |
1.2.2 加密图像检索研究 |
1.3 主要研究内容 |
1.4 论文组织结构 |
第二章 系统框架及相关工作 |
2.1 系统模型 |
2.2 安全模型 |
2.3 多表置换加密 |
2.4 颜色空间 |
2.5 实验环境以及评价指标 |
2.5.1 实验环境和图像库 |
2.5.2 平均精确率 |
2.6 本章小结 |
第三章 基于多表置换加密和全局直方图的检索方案 |
3.1 离散余弦变换 |
3.1.1 离散余弦变换介绍 |
3.1.2 量化和截断AC系数 |
3.2 加密图像检索方案 |
3.2.1 方案概览 |
3.2.2 加密图像检索算法 |
3.3 安全性分析 |
3.3.1 COA模型下的安全性分析 |
3.3.2 KBA模型下的安全性分析 |
3.3.3 KPA模型下的安全性分析 |
3.4 实验性能分析 |
3.4.1 图像的加密效果 |
3.4.2 检索精度 |
3.4.3 检索效率 |
3.5 本章小结 |
第四章 基于多表置换加密和局部颜色直方图的检索方案 |
4.1 加密特征袋模型(BOEF) |
4.2 加密图像检索方案 |
4.2.1 密钥生成 |
4.2.2 图像加密 |
4.2.3 索引生成 |
4.2.4 图像查询 |
4.3 安全性分析 |
4.3.1 COA模型下的安全性分析 |
4.3.2 KBA模型下的安全性分析 |
4.3.3 KPA模型下的安全性分析 |
4.4 实验性能分析 |
4.4.1 图像的加密效果 |
4.4.2 检索精度 |
4.4.3 检索效率 |
4.5 本章小结 |
第五章 总结及展望 |
5.1 工作总结 |
5.2 研究展望 |
致谢 |
参考文献 |
作者简介 |
(5)基于局部语义块和流行排序的鞋印图像检索(论文提纲范文)
摘要 |
Abstract |
1. 绪论 |
1.1 研究目的与意义 |
1.2 国内外发展现状 |
1.2.1 鞋印图像检索技术的发展现状 |
1.2.2 目前存在的主要问题 |
1.3 本文的主要工作和章节安排 |
1.3.1 主要工作内容 |
1.3.2 本文组织结构 |
2 基于局部语义块和流行排序的鞋印图像检索总体框架 |
2.1 引言 |
2.2 鞋印图像数据的分析 |
2.3 基于局部语义块和流形排序的鞋印图像检索总体框架 |
2.4 评价方法和测试数据集 |
2.4.1 评价方法 |
2.4.2 测试数据集 |
2.5 本章小结 |
3 基于局部语义块的鞋印图像检索算法 |
3.1 引言 |
3.2 相关工作 |
3.3 基于局部语义块的鞋印图像检索算法 |
3.3.1 算法原理 |
3.3.2 算法流程 |
3.4 实验结果与分析 |
3.5 本章小结 |
4 基于改进流形排序的鞋印图像检索算法 |
4.1 引言 |
4.2 相关工作 |
4.3 基于改进流形排序的鞋印图像检索算法 |
4.3.1 算法原理 |
4.3.2 算法流程 |
4.4 实验结果与分析 |
4.5 本章小结 |
5 总结与展望 |
5.1 本文主要工作总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(6)基于多特征融合与LSH的密文图像检索研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题来源 |
1.2 研究背景和意义 |
1.3 国内外研究现状 |
1.3.1 加密文本的检索研究 |
1.3.2 密文图像的检索研究 |
1.4 论文的主要内容与结构 |
1.4.1 论文的研究内容 |
1.4.2 论文的组织结构 |
2 密文图像检索的相关技术 |
2.1 特征提取与预处理 |
2.1.1 特征提取 |
2.1.2 特征预处理 |
2.2 加密算法 |
2.3 p-stable LSH索引构建 |
2.4 相似性度量 |
2.5 性能评价指标 |
2.6 本章小结 |
3 基于多特征融合与LSH的密文图像检索方法 |
3.1 基于多特征融合与LSH的密文图像检索模型 |
3.2 基于多特征融合与LSH的密文图像检索算法 |
3.2.1 特征提取 |
3.2.2 PCA特征降维 |
3.2.3 自适应加权的多特征融合算法 |
3.2.4 局部敏感哈希构建 |
3.2.5 密文图像检索算法 |
3.3 安全性分析 |
3.4 实验结果与分析 |
3.4.1 图像集 |
3.4.2 检索精度 |
3.4.3 检索时间 |
3.5 本章小节 |
4 云计算环境下基于可搜索加密的密文图像检索方法 |
4.1 基于可搜索加密的密文图像检索模型 |
4.2 基于可搜索加密的密文图像检索算法 |
4.2.1 可搜索图像加密算法 |
4.2.2 融合特征提取器设计 |
4.2.3 用户搜索 |
4.2.4 图像解密算法 |
4.2.5 可搜索图像加密检索算法 |
4.3 安全性分析 |
4.4 实验结果与分析 |
4.4.1 图像加解密的有效性 |
4.4.2 检索精度 |
4.4.3 检索时间 |
4.5 本章小节 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文和参加的项目 |
致谢 |
(7)基于Curvelet特征应用的太阳图像检索研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 论文的研究背景和意义 |
1.2 国内外研究现状 |
1.3 论文的主要研究内容 |
1.4 本章小结 |
第二章 基于内容的图像检索技术研究 |
2.1 图像检索系统 |
2.2 图像特征提取技术 |
2.2.1 图像颜色特征的提取 |
2.2.2 图像纹理特征的提取 |
2.2.3 图像形状特征的提取 |
2.3 相似性度量 |
2.3.1 绝对值距离 |
2.3.2 欧拉距离 |
2.3.3 明氏(Minkowski)距离 |
2.4 图像检索性能评价方法 |
2.5 本章小结 |
第三章 Curvelet变换及特征提取 |
3.1 Wavelet变换简介 |
3.2 Ridgelet变换 |
3.3 Curvelet变换 |
3.3.1 第一代Curvelet变换 |
3.3.2 第二代连续Curvelet变换 |
3.3.3 第二代离散Curvelet变换 |
3.4 Curvelet系数分析 |
3.4.1 结构分析 |
3.4.2 统计分析 |
3.4.3 特征分析 |
3.5 关于太阳图像的Curvelet特征提取过程 |
3.6 实验过程与结果分析 |
3.6.1 实验准备 |
3.6.2 实验过程 |
3.6.3 结果分析 |
3.7 本章小结 |
第四章 Curvelet特征提取算法改进及多特征之间的融合 |
4.1 Curvelet特征提取算法的缺点 |
4.2 Curvelet特征提取算法的改进 |
4.3 改进算法实验结果与分析 |
4.4 多纹理特征简单融合实验 |
4.4.1 特征向量归一化 |
4.4.2 Curvelet纹理特征与Wavelet小波纹理特征的融合 |
4.4.3 实验结果与分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 全文工作总结 |
5.2 对未来工作的展望 |
致谢 |
参考文献 |
附录A 攻读硕士学位期间发表论文与申请软件着作权 |
附录B 攻读硕士期间参与的研究工作 |
(8)CBIR中特征提取技术的比较研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题的背景与研究意义 |
1.2 课题研究的现状 |
1.2.1 基于传统特征提取方法的图像检索技术 |
1.2.2 基于新型特征提取方法的图像检索技术 |
1.3 本文图像检索系统的结构和图像库 |
1.4 图像检索技术的相似度量函数 |
1.5 检索性能评价准则 |
1.6 论文的主要内容及结构安排 |
1.6.1 主要研究内容 |
1.6.2 论文结构安排 |
第二章 两种传统的图像检索技术 |
2.1 基于HSV空间颜色特征的图像检索 |
2.1.1 HSV颜色空间模型 |
2.1.2 颜色特征提取方法 |
2.1.3 实验结果分析 |
2.2 基于灰度共生矩阵的图像检索 |
2.2.1 灰度共生矩阵 |
2.2.2 灰度共生矩阵特征提取方法 |
2.2.3 实验结果分析 |
2.3 本章小结 |
第三章 基于哈希算法的图像检索技术 |
3.1 引言 |
3.2 感知哈希算法 |
3.2.1 感知哈希的构成与匹配 |
3.2.2 感知哈希的分类 |
3.2.3 感知哈希的特性 |
3.3 均值哈希算法及其改进算法在图像检索上的运用 |
3.3.1 均值哈希算法对图像特征的提取 |
3.3.2 改进型的均值哈希算法对图像特征的提取 |
3.3.3 实验结果分析 |
3.4 本章小结 |
第四章 基于SIFT算法的图像检索技术 |
4.1 引言 |
4.2 SIFT算法的原理 |
4.2.1 尺度空间极值检测 |
4.2.2 关键点定位 |
4.2.3 关键点方向的确定 |
4.2.4 关键点的描述和匹配 |
4.3 SIFT算法在图像检索上的运用 |
4.3.1 SIFT算法对图像特征的提取 |
4.3.2 实验结果分析 |
4.4 本章小结 |
第五章 基于CNN算法的图像检索 |
5.1 引言 |
5.2 经典的卷积神经网络 |
5.2.1 经典的卷积神经网络模型 |
5.2.2 神经元 |
5.2.3 卷积层 |
5.2.4 子采样层 |
5.2.5 梯度计算 |
5.3 本文CNN模型及对图像特征的提取方法 |
5.4 实验结果分析 |
5.4.1 基于CNN的图像检索技术实验结果分析 |
5.4.2 本文算法的实验比较 |
5.5 本章小结 |
第六章 总结和展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读学位期间的研究成果 |
(9)基于内容的文物图像检索技术的研究和实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 图像检索技术及其分类 |
1.3 国内外研究现状及典型系统 |
1.3.1 文物图像检索的发展现状 |
1.3.2 基于内容图像检索的国内外典型系统 |
1.4 研究目的 |
1.5 本文的工作内容及组织结构 |
2 基于内容的图像检索的关键技术 |
2.1 基于内容的图像检索系统的特征提取 |
2.1.1 基于形状的特征提取 |
2.1.2 基于颜色的特征提取 |
2.1.2.1 常用颜色模型 |
2.1.2.2 颜色的表达方式 |
2.1.2.3 颜色量化 |
2.1.3 基于纹理的特征提取 |
2.2 图像的相似度计算 |
2.3 基于相关反馈的图像检索 |
2.3.1 相关反馈的图像检索概念及基本流程 |
2.3.2 常用的相关反馈算法 |
2.4 CBIR性能量化评价方法 |
2.4.1 检准率和检全率 |
2.4.2 错配法 |
2.4.3 检索率 |
2.4.4 检索有效性 |
2.5 本章小结 |
3 基于LBP的特征提取算法及扩展算法LBP-HF |
3.1 基于LBP的特征提取算法 |
3.1.1 局部二值法(LBP)的提出及计算方法概述 |
3.1.2 LBP的拓展算法 |
3.1.3 对LBP特征向量进行提取的步骤 |
3.2 基于LBP-HF的特征提取算法的提出和描述 |
3.2.1 LBP-HF特征提取算法的提出和意义 |
3.2.2 LBP-HF特征提取算法的计算方法 |
3.2.3 LBP-HF特征提取算法的优越性 |
3.3 LBP-HF特征提取算法在不同数据集上的应用 |
3.3.1 Caltech-101数据集 |
3.3.2 Caltech-256数据集 |
3.4 本章小结 |
4 基于内容的文物图像检索系统的特征提取及检索实验 |
4.1 颜色特征的提取算法 |
4.1.1 颜色直方图 |
4.1.2 颜色空间转换 |
4.1.3 颜色空间的量化 |
4.1.4 颜色空间下的相似度计算 |
4.2 纹理特征的提取算法 |
4.2.1 灰度共生矩阵 |
4.2.2 Tamura纹理特征 |
4.2.3 LBP-HF纹理特征 |
4.3 多特征融合 |
4.4 图像特征提取及检索实验 |
4.5 本章小结 |
5 基于内容的图像检索系统“SmartSearcher”的实现与分析 |
5.1 基于内容的文物图像检索系统的开发环境 |
5.2 总体结构及主要功能模块 |
5.2.1 基于内容的文物图像检索系统结构图 |
5.2.2 主要模块及系统界面展示 |
5.3 小结 |
6 结论与展望 |
6.1 论文总结 |
6.2 工作展望 |
参考文献 |
致谢 |
个人简历及在校期间发表的学术论文与研究成果 |
(10)基于内容的图像检索技术的研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和内容 |
1.2 研究现状与CBIR系统介绍 |
1.2.1 国内外研究现状 |
1.2.2 经典的CBIR系统 |
1.3 图像检索技术的应用 |
1.4 本文组织结构 |
第二章 CBIR相关技术的研究 |
2.1 CBIR的基本框架 |
2.2 颜色特征 |
2.2.1 颜色特征的描述 |
2.2.2 颜色特征提取 |
2.3 纹理特征 |
2.3.1 纹理特征的描述 |
2.3.2 纹理特征提取 |
2.4 形状特征 |
2.4.1 形状特征的描述 |
2.4.2 形状特征的提取 |
2.5 特征匹配技术 |
2.6 性能以及评价准则 |
2.7 本章小结 |
第三章 颜色特征的研究与改进 |
3.1 颜色空间及量化 |
3.1.1 颜色空间 |
3.1.2 颜色量化 |
3.2 分块颜色直方图 |
3.3 改进的加权分块颜色直方图 |
3.4 实验结果分析 |
3.5 本章小结 |
第四章 基于小波的特征融合检索 |
4.1 纹理特征 |
4.1.1 小波变换 |
4.1.2 灰度共生矩阵 |
4.1.3 HOG特征描述 |
4.2 兴趣点 |
4.3 本文检索算法与实验 |
4.4 本章总结 |
第五章 CBIR系统的设计与实现 |
5.1 图像检索系统的概述 |
5.2 系统设计框架 |
5.3 系统的具体开发流程 |
5.3.1 系统开发流程 |
5.3.2 系统界面和功能模块 |
5.4 本文实验数据的对比分析 |
5.5 本章总结 |
第六章 结束语 |
6.1 本文研究工作 |
6.2 未来展望 |
参考文献 |
致谢 |
作者简介 |
四、结合色彩和空域信息的一种CBIR方法(论文参考文献)
- [1]基于低层特征的色纺面料图像检索系统开发[D]. 张霞. 江南大学, 2021
- [2]基于BOW的密文图像检索研究[D]. 季秋菊. 南京信息工程大学, 2020(02)
- [3]基于感知哈希的图像相似检索算法研究[D]. 尹玉梅. 昆明理工大学, 2020(05)
- [4]基于多表置换加密的密文图像检索研究[D]. 卢丽华. 南京信息工程大学, 2019(03)
- [5]基于局部语义块和流行排序的鞋印图像检索[D]. 彭飞. 大连海事大学, 2019(06)
- [6]基于多特征融合与LSH的密文图像检索研究[D]. 陈建华. 中南林业科技大学, 2019(01)
- [7]基于Curvelet特征应用的太阳图像检索研究[D]. 冯彦明. 昆明理工大学, 2017(01)
- [8]CBIR中特征提取技术的比较研究[D]. 吴强. 浙江理工大学, 2017(07)
- [9]基于内容的文物图像检索技术的研究和实现[D]. 李晓. 郑州大学, 2016(02)
- [10]基于内容的图像检索技术的研究与实现[D]. 王玄烨. 西安电子科技大学, 2015(03)