深度学习机器学习图像处理的matlab源代码--第 16 章 基于Hu不变矩的图像检索技术处理算法实现

计算机视觉期末复习（图像分割，相机标定，SFM，图像检索（bag of words）,角点检测 DoG）

西北工业大学 学 号 ___________________________ 姓 名 ___________________________ 考试课程 ___________________________ 考试日期 ___________________________ 图像检索与数据库 近年来, 由于现代电子技术的发展，文字情报与文字情报一样，也能够经过数字化处理制成数据 库用于计算机检索。本文便是对图像数据库及其检索的初步探讨。 1、图像数据库 1.1 图像数据库的类型 数据库一般分为文献参考数据库和源数据库。前者本身并不直接提供用户所需情报, 而是起着一种指示、介绍、牵线搭桥的作用； 后者提供的是可供用户直接使用的一次情报。 显然图像数据库属于后一类型。 目前的图像数据库按照图像情报类型可分为三类, 即图形数据库、照片数据库、绘画图案数据库。 图形数据库大多应用于自然科学、工程技术领域, 收录的是用线条来表达概念的图形资料，包括设计图、配线图、住宅草图; 地图( 如地形图、地势图、道路地图、住宅地图、指路图；天气图等）。 照片数据库在图像数据库中占有主要地位, 广泛应用于社会,

检索图像问题的一般解法 DeepEmbedding空间使用第一个搜索空间研究（DeepMetric）深度哈希（DeepHash）的空间映射函数，将空间空间的学习映射到低维嵌入引擎的空间映射函数。抽取特征，即本次实验研究的第二个问题，第二个问题为特征搜索问题 关于本项目的使用 1.下载相应训练的数据集 2.采用不同的损失类型对模型进行运行train cub200模型 nohup python train_mx_ebay_margin.py --gpus=1 --batch-k=5 --use_viz --epochs=30 --use_pretrained --steps=12,16,20,24 --name=CUB_200_2011 --save-model-prefix=cub200 > mycub200.out 2>&1 & 运行火车 stanford_online_product nohup python train_mx_ebay_margin.py --batch-k=2 --batch-size=80 --use_pretrained --use_viz --gpus

专利

[摘要] 医学图像在临床诊断与治疗中的应用日益广泛, 如何利用影像管理系统中大量的图像, 辅助医生进行分析 与诊断是一个非常重要的问题。传统的基于文本关键字的图像检索方法已不能满足对大型医学图像数据库检索的 需要, 将基于内容的图像检索方法(CBIR)引入到医学图像数据库中进行研究是一项非常有意义的工作。介绍了基 于内容的医学图像检索系统的构成, 重点讨论了其中的关键技术问题, 包括医学图像分割、特征提取、相似性检索 及匹配和相关反馈技术, 并分析了国内外的研究现状, 对未来发展趋势进行了展望。 [关键词] 医学图像;基于内容的医学图像检索;特征提取

之前传过一个，当时传的有些问题，一些同学发来邮件问，过了很长时间了，我找呀找，找到了一个比较原始的版本，调试了一下还能用。程序采用了VS2005编写，集成Qt4.2.2和opencv，亲测可以使用，比较简单。这次免积分奉上，希望对大家的学习有所帮助吧。

修改了下网上的基于颜色的图像内容，大家下载下来就可以用

SEM-PCYC 模型的 PyTorch 实现，用于基于零样本草图的图像检索：

基于颜色不变性的图像检索算法研究论文.doc