深度学习图像处理目标检测图像分割计算机视觉 07--图像检索

本文探讨了图像检索的传统方法,包括颜色、纹理、形状和局部特征检索,以及基于深度学习的二值哈希编码和高维空间索引加速。同时,介绍了甲状腺超声基础知识,如甲状腺的结构、结节分类和超声检查的重要性。还讨论了一篇关于医学图像选择性分割的变分方法的论文,提出了新的图像平滑模型和改进的Gout模型,有效应对噪声和边缘保持。
摘要由CSDN通过智能技术生成

摘要

本周主要学习图像检索,能够实现检索过程代码,查找有关甲状腺癌超声检测的相关资料,了解甲状腺的症状以及超声检查,了解甲状腺结节的评定规则。研读当前的医学研究与人工智能结合的论文。

一、传统的图像检索做法

1.1、相似颜色检索

在这里插入图片描述
颜色直方图就是将RGB图像中出现的颜色进行统计,将一张图象描述成一个256维的特征向量。
在这里插入图片描述
首先要考虑的就是对256维的特征向量进行降维
在这里插入图片描述
在这里插入图片描述
那么怎么计算两个颜色的相似度呢?
有颜色直方图距离和色差距离:
在这里插入图片描述
由于人眼的构造特异性,对于很大范围的绿色不太容易辨认,但是对于小范围的蓝色的改变很容易察觉,所以有色差距离。
在这里插入图片描述
在这里插入图片描述
那么什么是颜色直方图距离里的推土机(EMD)距离呢?
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
相似颜色检索的流程:

  1. step 1:搜索图片的颜色特征提取
    在这里插入图片描述

  2. step 2:图片库的颜色特征提取
    在这里插入图片描述

  3. step 3:颜色相似度计算

在这里插入图片描述
4. step 4:根据相似度排序:选择值最小的,即颜色上比较接近的。
在这里插入图片描述

1.2、相似纹理检索


在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值