一种新的文物图像检索方法

针对大学数字博物馆数据库中文物图像的特点,提出了一种新的文物图像检索方法。特征提取采用基于分块图像建立模糊颜色直方图;模糊颜色直方图的建立不仅考虑了不同颜色索引像素之间的差异,也考虑了同一颜色索引像素间的差异;图像分块策略结合了文物图像的颜色特征与形状特征。一种新的图像相似性度量方法---交互信息距离(MID)用来进行相似性匹配。参数AVRR/IAVRR用来进行检索性能评价,评价结果表明,本文的方法在文物图像检索中具有较高的检索准确率。     

一种支持快速相似检索的多维索引结构

基于内容的图像检索是一种典型的相似检索问题,对于尺度空间上的图像相似匹配问题,一般认为距离计算费用很高.因此,需要建立有效的索引结构,以减少每个查询中的距离计算次数.为此,基于数据空间的"优化划分",并且使用"代表点",以层次结构方式划分数据,提出了一种新的基于距离的相似索引结构opt-树及其变种(-树.为了更有效地支持基于内容的图像检索,在(-树索引结构中采用了"(-最优化划分"和"(-对称冗余存储"策略,以提高相似检索的效率.详细讨论了这种索引结构的建立与检索等问题,并给出了相应的算法.实验结果显示了这种索引技术的有效性.     

图像数据库分类的自组织技术

本文采用 Kohoenmap自组织神经网络技术 ,提出一种依据检索特征对图像数据库进行预分类的方法 .在文中利用这种预分类实现按类别浏览图像数据库 (image browsing by category)的功能 ,提出一种层次化的类 SS- tree的二分索引结构 .实现建立在预分类基础上的示例查询 .这种查询方法与穷搜索方法相比 ,具有更高的检索效率 ,检索次数随着库规模的增加不会显著增多 .基于图像库的实验验证了分类算法和检索算法的有效性     

一种高效的图像数据库检索方法

对于大型图像库,如何高效地检索出相似图像是图像检索系统的一大挑战。提出了一种改进的K-均值聚类算法建立分层结构的索引,再利用A*树算法和三角不等式原则及N近邻方法对索引库快速高效地搜索,达到对图像库快速高效检索相似图像的目的。实验在Corel图像库上进行,实验结果表明该方法以对数时间复杂度实现基于内容的高效检索。     

基于聚类的图像拷贝检测技术仿真研究

在研究进行图像拷贝检测检索技术时,传统的图像拷贝检测检索使用的是顺序检索.针对目前大容量、高维度的图像数据集,传统检索方法效率低,无法有效发现非法拷贝,阻止盗版行为.为提高检索效率,对图像数据库进行必要的预处理并建立高效索引,首先利用k-d树构建图像多维特征的索引结构,对其进行改进,使之适应于维度较高的情况,再结合聚类处理思想,对k-means聚类方法进行改进,实现对高维特征向量做聚类预处理,最后再基于聚类中心做k-d树的索引结构.实验结果表明,上述方法在满足大规模图像拷贝检测的效率的同时,其查全率和查准率都有较大提升,为打击盗版提供技术支持.     

一种有效的支持海量图像数据库QBE查询的聚类索引算法

对海量图像数据进行基于内容的查询与检索有赖于高效的索引和检索机制。因此,如何将海量图像数据进行合理的分类,人而建立相应的索引机制就成为了一个亟待解决的问题。本文提出了一种有效的支持海量图像数据库QBE查询的聚类索引算法。实验在1万多幅的图像数据库上进行了反复测试,结果表明该算法可以极大地提高检索效率。     

多媒体数据库索引技术的研究与实现

现有的数据库索引技术,普遍不能适应多维空间属性的搜索,特别是无法对大容量的多媒体数据进行基于内容的检索。文章分析研究了多媒体数据库的索引结构和索引算法,设计了一种用于大容量图像数据库的索引方法。实验在1万多幅的图像库上反复进行,结论证明该算法能够有效地支持大容量图像库的基于内容检索。     

快速JPEG图像检索方法

本文给出了一种基于归一化化转动惯量(NormalizedMomentInertia,NMI)的JPEG图像快速检索方法,其特点是直接在压缩域中利用DCT系数进行块分类,每一类分块形成一个二值索引图,统计该索引图的NMI值作为该类的一个特征,所有类的NMI特征构成了图像的一个特征序列,以此进行图像检索。本方法不需要完全解压缩,降低了计算复杂度,对图像的平移,旋转和尺度变换有较好的鲁棒性。试验结果表明这种图像检索方法具有良好的检索性能。     

一种快速JPEG图像检索方法

给出了一种基于归一化转动惯量（Normalized Moment Inertia,NMI)的JPEG图像快速检索方法,其特点是直接在压缩域中DCT系数进行块分类,每一类分块形成一个直值索引图,统计该索引图的NMI值作为该类的一个特征,所有类的NMI特征构成了图像的一个特征序列,以此进行图像检索。本方法不需要完全解压缩,降低了计算复杂度,对图像的平移,旋转和尺度变换有较好的鲁棒性,试验结果表明这种图像检索方法具有良好的检索性能。     

应用多索引加法量化编码的近邻检索算法

目的 海量图像检索技术是计算机视觉领域研究热点之一,一个基本的思路是对数据库中所有图像提取特征,然后定义特征相似性度量,进行近邻检索。海量图像检索技术,关键的是设计满足存储需求和效率的近邻检索算法。为了提高图像视觉特征的近似表示精度和降低图像视觉特征的存储空间需求,提出了一种多索引加法量化方法。方法 由于线性搜索算法复杂度高,而且为了满足检索的实时性,需把图像描述符存储在内存中,不能满足大规模检索系统的需求。基于非线性检索的优越性,本文对非穷尽搜索的多索引结构和量化编码进行了探索新研究。利用多索引结构将原始数据空间划分成多个子空间,把每个子空间数据项分配到不同的倒排列表中,然后使用压缩编码的加法量化方法编码倒排列表中的残差数据项,进一步减少对原始空间的量化损失。在近邻检索时采用非穷尽搜索的策略,只在少数倒排列表中检索近邻项,可以大大减少检索时间成本,而且检索过程中不用存储原始数据,只需存储数据集中每个数据项在加法量化码书中的码字索引,大大减少内存消耗。结果 为了验证算法的有效性,在3个数据集SIFT、GIST、MNIST上进行测试,召回率相比近几年算法提升4%~15%,平均查准率提高12%左右,检索时间与最快的算法持平。结论 本文提出的多索引加法量化编码算法,有效改善了图像视觉特征的近似表示精度和存储空间需求,并提升了在大规模数据集的检索准确率和召回率。本文算法主要针对特征进行近邻检索,适用于海量图像以及其他多媒体数据的近邻检索。     

基于四叉树和边界不变矩的图像检索

为使四叉树算法在图像检索领域中得到有效应用,分析基于内容的图像检索对目标物体形状的需求,提出一种基于四叉树和边界不变矩的图像检索方法,构建图像检索系统,并选取5种不同类型的图像进行分组实验。仿真实验结果表明,该方法简单有效、复杂度低,能够提高图像的检索效率。     

基于Flink的海量医学图像检索系统设计与实现

医学图像检索是有效利用医学资源的基础，而医学图像的海量性和增量性为图像检索带来了新的挑战和要求。为了提高医学图像检索过程的效率，设计并实现一种基于Flink的海量医学图像检索系统。首先，系统通过Web应用作为用户操作入口，在后端搭建数据平台和业务集群；其次，系统通过HBase对医学图像数据进行分布式存储，利用深度卷积神经网络模型提取医学图像特征；然后，将所提取的医学图像特征数据进行乘积量化编码，并通过HBase进行存储；最后，通过基于Flink的内存计算对接Kafka进行实时图像检索，以及对批量导入图像的特征索引编码。系统在4个节点的服务器上部署分布式集群，使用真实医学图像数据集进行测试，通过在MapReduce和Spark两种不同技术模块下的对比实验表明本系统具有更好的检索效率表现。     

基于云计算的医学图像检索系统

为了提高海量医学图像检索效率,提出一种基于云计算的医学图像检索系统。采用Brushlet变换和LBP算法提取医学示例图像的频域和空域特征,采用具有分布式、并行处理能力云计算将任务分配到各个工作节点共同完成医学图像检索,采用仿真实验对系统的性能进行测试。结果表明,相对于B/S单节点的医学图像检索系统,云计算的医学图像检索系统提高了图像检索速度和效率,尤其对于大规模医学图像检索优势更加明显。     

面向海量植物图像的智能检索系统设计

针对传统软件技术设计的植物图像检索系统中存在无法实现智能检索、植物图像数量增长慢、检索系统难以扩容,以及当植物图像数量达到百万级以上时检索效率低和检索请求高并发时植物图像加载慢等问题,提出利用百度AI技术、ImageSharp图像分割技术和CV2颜色识别技术实现植物图像的智能检索。利用FastDFS技术实现检索系统的动态扩容、负载均衡和植物图像的快速加载,利用Solr搜索引擎技术提高海量植物图像的检索效率,利用Python爬虫技术不断丰富检索系统的植物图像从而实现检索系统的可持续化发展。实验结果表明,通过上述技术能够构建一个面向海量植物图像的智能检索系统。     

A model of cluster searching based on classification

The use of document clusters has been suggested as an efficient file organization for a document retrieval system. It is possible that by using this information about the relationships between documents that the effectiveness of the system (i.e. its ability to distinguish relevant from non-relevant documents) may also be improved. In this paper a probabilistic model of cluster searching based on query classification is described. This model is tested with retrieval experiments which indicate that it can be more effective than heuristic cluster searches and cluster searches based on other models. It can also be more effective than a full search in which every document is compared to the query. The efficiency aspects of the implementation of the model are discussed.     

基于排序学习算法的智能检索系统

本文旨在解决数据资产管理系统中信息检索效率低、检索结果准确率低下的痛点,基于排序学习算法构建智能检索系统,提升检索结果和用户请求的相关性。对排序学习算法理论进行研究,对常用的排序学习算法进行相关优化,将分类问题扩展到文本排序问题之上,定义相关的目标函数及损失函数,使用机器学习的方法来提升检索结果的准确度。基于垂直分布式搜索引擎技术及排序学习算法构建智能检索系统,通过相关性工程提升检索请求转化的效率。实验表明本系统可以在优化检索速率的基础之上,提升检索语句与返回结果之间的相关性和检索的准确度。     

基于Clucene的电子病历全文检索系统研究与设计

介绍一种高性能的电子病历智能化全文检索系统.该系统是以关键词检索技术为基础,基于Clucene搜索引擎的结构原理进行二次开发,针对XML的电子病历文档进行全文检索.目的是给EMR系统提供一种高效快速的临床病历全文检索方法.与传统的病历检索系统相比,该系统在病历检索的效率与精度上有了很大提升与改进.     

分布式环境下多关键词并行密文检索方案

对于可搜索加密需要均衡数据的安全性和检索效率。针对SSE-1密文检索方案中检索性能低、单关键词检索模式不足和传统单服务器架构中的单机资源局限性等问题，设计并实现了一种多关键词并行密文检索系统。该系统采用不同的索引加密方式提高密文检索性能；通过对密文倒排索引的切分实现倒排索引的分块检索，克服了单机资源的局限性并提高了检索效率；通过结合分布式特点扩展了传统单机检索架构并实现了多关键词的并行检索。实验结果表明，与SSE-1方案相比，在保证密文数据安全性的前提下所提方案能够提高检索、更新等操作的效率，实现多关键词的检索，同时动态扩展系统分布式架构以提高系统负载能力。     

基于粗糙集的K均值聚类算法在案例检索中的应用

在基于本体的案例检索系统中,由于数据库中的案例数量随着时间的推移而成倍增加,案例检索的效率不断降低,因此如何有效地提高案例检索系统的效率是个亚待解决的问题。提出一种基于粗糙集的k-means聚类算法,在用户检索之前对案例库中成千上万的案例进行有效聚类,从中定义基于粗糙集的聚类中心和上下近似以及边界。实验证明,该方法在系统检索时不必对每个案例都进行相似度的计算,从而大大提高了检索性能。     

查询子空间在图像检索中的应用

近几年来,为了解决图像检索系统中由底层视觉特征和高层语义之间的差异所造成的检索困难,从信息捡索中引入了相关反馈技术。在过去几年中,它在该研究领域取得了一定的成功。文章提出了一种利用反馈信息建立“查询子空间”的检索模型,它将用户的语义查询进行基于视觉特征的分类,构造多个“查询子空间”,这些子空间拥有自身的查询模型和检索模型,最后的检索结果根据这多个“查询子空间”的检索结果得到。该模型具有较强的灵活性、扩展性,有效地利用了用户的反馈信息,动态地建立了底层视觉特征和高层语义之间的映射,能适应不同用户的查询。同时,将负反馈信息合理地融入到该模型中,提高了系统的检索效率。实验结果表明采用该检索模型的系统相比现有的检索系统性能有了较大提高。