一种基于加权颜色聚合向量的图像检索方法

ISCAS OpenIR

	一种基于加权颜色聚合向量的图像检索方法
其他题名	A Method of Image Retrieval Based on Weighted Color Coherence Vector
	徐朝辉; 樊银亭; 闫奎名; 滕东兴; 杨海燕
	2014
发表期刊	微电子学与计算机
ISSN	1000-7180
卷号	31 期号:2 页码:31-34,38
摘要	以图像颜色聚合向量为基础，并结合图像显著特征，提出了一种基于加权颜色聚合向量的图像检索方法。首先，提取图像的显著性图，并进行归一化处理，得到加权矩阵；然后，对图像进行颜色聚合向量提取，并根据加权矩阵进行加权处理；最后通过计算两幅图像之间的加权颜色聚合向量相似度，进行图像检索。该方法既系统兼顾了图像的颜色分布特征和高层视觉特征，又具有较高的计算速度；实验结果证明，该算法的检索精度明显高于传统的基于颜色统计特征的检索精度。 By taking visual saliency into consideration ,a new image retrieval method based on color coherence vector is proposed in the paper .According to the saliency map of the image ,every pixel is assigned a weighting value . Thus ,the color coherence vector is calculated on those weighted pixels .This new vector reflects both the low-level color region distribution feature of the image ,and its high-level vision characteristics .The experiments verify this method above is more efficiently than traditional ways based on color histogram .
收录类别	CSCD
其他摘要	By taking visual saliency into consideration, a new image retrieval method based on color coherence vector is proposed in the paper. According to the saliency map of the image, every pixel is assigned a weighting value. Thus,the color coherence vector is calculated on those weighted pixels. This new vector reflects both the low-level color region distribution feature of the image, and its high-level vision characteristics. The experiments verify this method above is more efficiently than traditional ways based on color histogram.
关键词	图像检索颜色直方图颜色聚合向量显著图 Image Retrieval Color Histogram Color Coherence Vector Saliency Map
部门归属	武汉理工大学计算机学院，湖北武汉430070; 河南工业大学粮食信息处理与控制教育部重点实验室，河南郑州450001 中原工学院计算机学院,河南郑州,450007 中国科学院软件研究所人机交互技术与智能信息处理实验室,北京,100190
语种	中文
CSCD记录号	CSCD:5053453
内容类型	期刊论文
URI标识	http://ir.iscas.ac.cn/handle/311060/16768
专题	中国科学院软件研究所
推荐引用方式 GB/T 7714	徐朝辉,樊银亭,闫奎名,等. 一种基于加权颜色聚合向量的图像检索方法[J]. 微电子学与计算机,2014,31(2):31-34,38.
APA	徐朝辉,樊银亭,闫奎名,滕东兴,&杨海燕.(2014).一种基于加权颜色聚合向量的图像检索方法.微电子学与计算机,31(2),31-34,38.
MLA	徐朝辉,et al."一种基于加权颜色聚合向量的图像检索方法".微电子学与计算机 31.2(2014):31-34,38.