学位论文 > 优秀研究生学位论文题录展示
CBIR算法测试平台及其相关技术研究
作 者: 叶力洪
导 师: 袁华
学 校: 华南理工大学
专 业: 计算机应用技术
关键词: 基于内容的图像检索 算法测试平台 索引结构 多特征融合
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 39次
引 用: 1次
阅 读: 论文下载
内容摘要
随着网络技术和多媒体技术的飞速发展,网络上的信息越来越丰富,多媒体信息的应用日益广泛。图像信息是其中量最大最主要的一种多媒体信息,图像检索是当前多媒体检索和图像技术研究的一个关键和热点。CBIR(Content-Based Image Retrieval,基于内容的图像检索)充分利用了图像本身的特征进行检索,可以弥补传统的TBIR(Text-Based Image Retrieval,基于文本的图像检索)的缺陷与不足。自CBIR兴起至今,CBIR算法研究人员提出了很多不同的算法,但这些算法采用了不同的验证方法和评价准则,验证和评价结果之间无法进行客观的比较,如何对这些算法进行统一、客观的验证和评价成为了一个重点和难点。建立一个CBIR算法测试平台,对算法进行统一、客观的验证和评价,不仅有利于CBIR算法的发展,也能促进建立可靠的CBIR商业应用。本文设计并实现了一个高效、易用、可扩展、基于web架构的CBIR算法测试平台。该平台可供算法测试和评价,该平台综合运用了模块化和层次化的架构设计方法,模块分解清晰且功能强大,运行测试表明,该平台人机交互界面简单,运行高效,提供了对算法检索结果的主客观评价。自动提取的图像特征向量具有所需存储空间大、维数高等特点,许多索引结构容易引发“维数灾难(Curse of Dimensionality)”,因此其性能一直是影响CBIR进一步发展的重点和难点。本文在分析经典的树形索引结构和VA-File索引结构的基础上,通过二级向量近似、聚集和分段等优化方法,提出了一种基于VA-File的索引结构。实验结果表明,该索引结构既保存了VA-File的优良特性,又能改善索引的检索性能和索引的操作方式,具有一定的价值和意义。单一类型的图像特征很难完整地描述丰富的图像信息,各种类型的图像特征用于检索都有其优势和劣势,融合特征检索可以使特征之间相互配合、相互补充,提高图像检索的效果。本文分析了多特征融合的不同方式,基于多指标决策理论,提出了一种动态、易扩展、操作简单的多特征融合方法。该融合方法属于决策层的多特征融合方法,能融合多种特征进行检索,提高图像检索的效果,同时将其应用在本文设计实现的CBIR算法测试平台,还可为算法研究人员提供了一种即时融合、观察融合检索效果的途径,方便算法研究人员的进一步研究。
|
全文目录
摘要 5-6 Abstract 6-11 第一章 绪论 11-17 1.1 课题背景及研究意义 11-12 1.2 课题来源 12 1.3 研究现状 12-15 1.3.1 CBIR 算法测试平台 12-13 1.3.2 索引结构 13-15 1.3.3 多特征融合检索 15 1.4 本文的主要研究工作 15 1.5 本文的组织结构 15-17 第二章 相关技术研究 17-38 2.1 图像特征 17-20 2.1.1 颜色特征 17 2.1.2 纹理特征 17-18 2.1.3 形状特征 18-19 2.1.4 空间关系特征 19-20 2.2 特征的相似度计算方法 20-22 2.2.1 直方图相交法 21 2.2.2 Minkowski 距离法 21 2.2.3 二次型距离法 21-22 2.2.4 马氏距离法 22 2.3 特征的索引结构 22-26 2.3.1 高维数据及其索引结构的特点 22-23 2.3.2 高维索引结构的查询 23-24 2.3.3 高维索引结构的分类 24 2.3.4 VA-File 索引结构 24-26 2.4 检索评价 26-28 2.5 大型软件系统的重要分析设计方法 28-29 2.6 软件的接口与动态链接技术 29 2.7 融合检索的层次 29-31 2.8 多指标决策理论 31-37 2.8.1 权重赋值 32-35 2.8.2 决策方法 35-37 2.9 本章小结 37-38 第三章 CBIR 算法测试平台Kapoix 的设计与实现 38-51 3.1 需求分析 38-39 3.2 系统模块结构 39-40 3.3 主要模块的设计与实现 40-48 3.3.1 配置管理 40-42 3.3.2 图像库及元数据库管理 42-43 3.3.3 算法及算法库管理 43-45 3.3.4 索引及索引库管理 45-47 3.3.5 检索 47 3.3.6 评价方式 47-48 3.4 运行测试 48-50 3.5 本章小结 50-51 第四章 CMVAI-File 索引结构 51-59 4.1 CMVAI-File 的原理与结构 51-52 4.2 子索引合并算法 52-53 4.3 数据添加算法 53-55 4.4 数据删除算法 55 4.5 检索算法 55-57 4.6 实验与分析 57-58 4.7 本章小结 58-59 第五章 基于多指标决策理论的特征融合方法 59-66 5.1 融合原理与算法 59-61 5.2 实验与分析 61-65 5.3 本章小结 65-66 结论 66-68 参考文献 68-72 攻读硕士学位期间取得的研究成果 72-73 致谢 73
|
相似论文
- 基于用户兴趣特征的图像检索研究与实现,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 基于多示例学习的用户关注概念区域发现,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 存储系统中多维元数据索引的高效更新方法研究,TP333
- 大规模图像检索中局部特征聚合与索引方法研究,TP391.3
- 基于Jade的多Agent图像检索系统,TP391.3
- 基于内容的大规模数字图像检索技术研究,TP391.41
- 图像检索的并行计算方法与系统,TP391.3
- 基于结构化稀疏谱哈希的图像索引算法,TP391.41
- 基于草图的图像检索技术研究与系统实现,TP391.41
- 基于多标签学习的图像区域语义自动标注算法研究,TP391.41
- 钴结壳的非线性超声识别技术研究,TN912.34
- 基于辐射与空间信息的遥感图像检索,TP751
- 全局与局部特征相结合的遥感影像检索方法研究,TP751
- 关于XML的关系数据库存储查询技术研究,TP311.13
- 基于多特征的图像检索技术研究及实现,TP391.41
- 基于内容的图像检索关键技术研究,TP391.41
- 复杂背景条件下的运动目标检测与跟踪的研究,TP391.41
- 粒子滤波框架下的自适应多特征融合目标跟踪方法研究,TP391.41
- ARTs-EDB系统的时态数据存储及索引技术研究,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|