✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
图像检索是计算机视觉领域的重要研究方向,其目标是根据用户提供的查询图像,从海量图像库中检索出与之相似的图像。近年来,随着深度学习技术的快速发展,基于深度学习的图像检索方法取得了显著的成果。然而,深度学习方法通常需要大量的训练数据,并且对硬件资源要求较高。本文提出了一种基于Hu不变距和颜色特征的图像检索方法,该方法无需训练数据,并且对硬件资源要求较低。实验结果表明,该方法能够有效地检索出与查询图像相似的图像,并且计算效率较高。
1. 引言
图像检索是计算机视觉领域的重要研究方向,其目标是根据用户提供的查询图像,从海量图像库中检索出与之相似的图像。近年来,随着深度学习技术的快速发展,基于深度学习的图像检索方法取得了显著的成果。然而,深度学习方法通常需要大量的训练数据,并且对硬件资源要求较高。本文提出了一种基于Hu不变距和颜色特征的图像检索方法,该方法无需训练数据,并且对硬件资源要求较低。实验结果表明,该方法能够有效地检索出与查询图像相似的图像,并且计算效率较高。
2. 相关工作
近年来,基于深度学习的图像检索方法取得了显著的成果。这些方法通常使用卷积神经网络 (CNN) 来提取图像特征,并使用欧几里得距离或余弦相似度来计算图像之间的相似度。然而,深度学习方法通常需要大量的训练数据,并且对硬件资源要求较高。
除了深度学习方法,还有一些基于传统特征的图像检索方法。这些方法通常使用颜色直方图、纹理特征或形状特征来表示图像。然而,这些方法通常对图像的旋转、平移和缩放等变换不鲁棒。
3. 方法
本文提出的图像检索方法基于Hu不变距和颜色特征。Hu不变距是一种形状特征,它对图像的旋转、平移和缩放等变换不敏感。颜色特征则可以用来描述图像的颜色信息。
3.1 Hu不变距
Hu不变距是由Ming-Kuei Hu在1962年提出的一种形状特征。它由七个不变量组成,这七个不变量对图像的旋转、平移和缩放等变换不敏感。Hu不变距的计算方法如下:
-
计算图像的中心矩。
-
利用中心矩计算Hu不变距。
3.2 颜色特征
颜色特征可以用来描述图像的颜色信息。本文使用颜色直方图来表示颜色特征。颜色直方图是一个统计量,它表示图像中每个颜色出现的频率。颜色直方图的计算方法如下:
-
将图像的每个像素点转换为一个颜色值。
-
统计每个颜色值出现的频率。
-
将频率归一化,得到颜色直方图。
3.3 图像相似度计算
本文使用欧几里得距离来计算图像之间的相似度。欧几里得距离是两个向量之间的距离,它表示两个向量之间的欧几里得范数。图像之间的欧几里得距离计算方法如下:
-
计算两幅图像的Hu不变距和颜色特征。
-
计算两幅图像的Hu不变距和颜色特征之间的欧几里得距离。
-
将两幅图像的欧几里得距离作为两幅图像之间的相似度。
4. 结论
本文提出了一种基于Hu不变距和颜色特征的图像检索方法,该方法无需训练数据,并且对硬件资源要求较低。实验结果表明,该方法能够有效地检索出与查询图像相似的图像,并且计算效率较高。
⛳️ 运行结果
🔗 参考文献
[1] 黄春木.基于内容的二值图像检索技术研究[D].解放军信息工程大学,2008.DOI:CNKI:CDMD:2.2008.044642.
[2] 葛俊,于威威.一种基于加权颜色形状特征和LBP服装图像检索方法[J].现代计算机, 2018, 000(019):33-38.DOI:10.3969/j.issn.1007-1423.2018.19.008.
[3] 田佳莉,常丽.基于颜色空间和Hu不变矩的图像检索方法[C]//第十七届沈阳科学学术年会论文集.2020.
🎈 部分理论引用网络文献,若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类