基于子向量距离索引的高维图像特征匹配算法

图像局部不变特征已经成功地应用在计算机视觉当中的许多领域,而如何快速有效地匹配高维图像局部特征向量是解决这类问题的关键步骤。提出了一种新的基于子向量距离索引的高维特征向量匹配算法,将高维空间中最近邻搜索问题转化为一维索引值的查找和局部搜索问题,在保证较高的搜索精度的同时大大提高了搜索速度。大量的图像匹配和图像检索实验验证了该算法的有效性。     

基于子向量距离索引的特征匹配算法的改进

在解决高维向量的搜索问题方法中,基于子向量距离索引的向量匹配算法iSVD拥有较好的搜索精度和效率。但是,该算法计算复杂度仍然较高,在实际应用中会受到限制。针对该问题,引入关键维选取方法,对iSVD算法进行改进。该方法首先将特征向量划分为多个子向量;再通过某种筛选方法,选出部分子向量代替原特征向量,进而创建索引值;最后利用索引值进行最近邻搜索。该方法能够将相似性较小的特征向量进行有效的区分,且可以进一步缩小最近邻搜索的搜索范围。实验结果表明,该算法能够在保持良好搜索精度的同时,提高匹配的正确率,缩短匹配时间,具有较好的实用性。     

PCPF:一种面向多媒体数据库中高维向量匹配的并行索引结构

提高特征向量的匹配效率是将高维局部特征运用于多媒体数据检索的关键.面向多核处理器架构,提出一种新的PCPF索引以及PCPF并行构建与并行查询匹配算法.PCPF并行构建算法通过量化特征向量构建近似向量空间上的高维索引结构,并进行空间划分并行构建多个子索引分支;PCPF并行查询匹配算法利用优先队列在邻近子分支上并行过滤得到...     

随机维哈希量化视词字典的目标检索方法

基于视词字典树的算法由于高效性使其在基于大规模图像数据库的目标检索领域得到了广泛地应用。该类算法属于从文字搜索领域借鉴来的"视觉词袋"的算法。这种算法中的一个关键步骤是将高维特征向量量化成视词。将这种量化过程看作高维特征向量的最近邻搜索问题,并且提出一种随机维哈希(RDH)算法用于索引视词字典。实验结果证明,该算法比基于字典树的算法具有更高的量化精度,从而可以显著提高目标检索性能。     

结构化稀疏谱哈希索引

为了对从图像中所提取的高维特征进行高效索引,考虑到图像原始高维特征所具有的内在结构化特性,结构化稀疏谱哈希索引算法是在传统谱哈希索引算法中引入结构化稀疏主成分分析,来求取图像高维特征内嵌子空间,进而实现图像索引.该算法中保持了原始图像数据特征之间的结构性信息,并使得视觉特征相似图像之间的汉明距离保持最小.实验结果表明,该算法优于位置敏感哈希、受限玻尔兹曼机、谱哈希以及稀疏谱哈希等索引算法.     

基于多哈希算法的大规模图像快速检索方法

哈希技术被视为最有潜力的相似性搜索方法,其可以用于大规模多媒体数据搜索场合。为了解决在大规模图像情况下,数据检索效率低下的问题,提出了一种基于分段哈希码的倒排索引树结构,该索引结构将哈希码进行分段处理,对每段哈希码维护一个倒排索引树结构,并结合高效的布隆过滤器构建哈希索引结构。为了进一步提高检索准确性,设计了一种准确的排序融合算法,对多个哈希算法的排序结果分别构建加权无向图,采用PageRank的思想对基于多个哈希算法的排序列表的融合技术进行了详细的说明。实验结果表明,基于分段哈希码的倒排索引树结构能极大地提升数据的检索速度。此外,相比于传统的单个哈希算法排序技术,基于多个哈希算法的排序列表融合技术的检索准确率优势显著。     

自适应融合目标和背景的图像特征提取方法

针对现有基于结构元描述的图像特征提取算法缺少连续像素或结构元的相关性描述,对图像特征的区分能力不足的问题.通过定义新的结构元和自适应向量融合模型,并引入连通粒概念,提出一种加权量化方法对图像目标和背景进行自适应融合.首先根据视觉选择特性定义9种新的结构元,并且构建了连通粒属性及分层统计模型;然后通过颜色转换和结构元匹配生成相应的映射子图,从中提取统计结构元和连通性特征向量;最后利用自适应向量融合模型把各分量合并为一组特征向量用于图像检索.在3个Corel数据集上的实验结果表明,与其他算法相比,文中方法性能更稳定,能达到更高的检索精度;该方法既能描述图像的全局特征,又能反映图像的局部细节信息.     

基于局部多核支持向量机的视频镜头边界检测

提出了一种基于局部多核支持向量机的视频镜头边界检测方法.利用视频图像相邻帧的时空信息构建视频中间特征,在此基础上利用局部多核支持向量机将视频帧划分为边界帧和非边界帧.为了提高基于全局优化的多核支持向量机的检测精度,利用局部敏感哈希算法将视频帧投影全哈希子空间,结合多核学习方法为各个哈希子空间构建局部多核支持向量机,利用SMOTE上采样技术解决了视频图像边界帧和普通帧的不平衡问题.试验结果表明,本文提出的镜头边界检测方法的金全率和查准率得到了提高.     

一种基于主成分的多表图像哈希检索方法

大数据时代的到来,快速而准确的索引算法对信息检索至关重要。针对基于随机投影构成的单表哈希检索方法导致搜索性能低的问题,提出一种基于主成分的多表图像哈希检索方法。为了得到高效的哈希编码保证不同语义样本特征的区分性,首先通过主元分析方法保留训练集具有区分性图像特征,此外利用特征聚类作为学习哈希投影的指引构建多个索引表;其次采用正交旋转矩阵对哈希投影进行优化,保证了相同语义的样本具有相似的哈希码。最后分别在CIFAR-10和Caltech-256数据集上与相关方法进行比较,实验结果表明提出的方法提高了检索性能。     

基于改进颜色聚合向量与贡献度聚类的图像检索算法

为了提高图像检索的速度和准确率,通过分析各种聚类算法在图像检索中的缺点,提出了一种新的划分聚类的图像检索方法。首先,在对HSV模型非均匀量化的基础上,利用改进的颜色聚合向量方法提取图像的颜色特征;然后找到符合条件的特征向量作为初始聚类中心,利用分散度与贡献度进行聚类并建立特征索引库;最后根据查询图像的相似度进行检索和排序。实验结果表明,所提算法的查准率和查全率比其它算法均有较大提高。     

一种优化的移动机器人ALV视觉归航算法

针对移动机器人平均路标向量（ALV）的算法性能受自然路标影响较大的问题,提出了一种优化算法．在利用图像特征检测与匹配手段,如SIFT（尺度不变特征变换）、SURF（加速鲁棒特征）等,来获得自然路标的前提下,优化算法首先对原始的ALV算法进行了过程拆解,获得归航子向量;然后利用统计学理论对归航子向量的贡献度进行调整,并剔除误匹配路标;最后将带有权值信息的归航子向量重新整合,获得指向目标位置的归航向量．实验表明,优化的ALV算法有效地提高了自然路标的整体精度,保证了路标的对应性,从而提高了ALV算法的准确性,使机器人可以以更理想的轨迹自主地到达目标位置．     

一种新的个性化的图象分类方法

图象分类系统的建立是信息检索以及模式识别中一个重要部分，其中，特征选择问题，即确定描述图象的特征参数是需要解决的关键问题，基于和图象检索技术的研究，近来得到了广泛的关注，由图象特征向量维数过高而引起的图象检索困难是基于内容的图象检索技术研究所面临的一个挑战，因此需要寻找一个有效降维技术，为解决此问题，设计了一个新的图象分类标准模型，通过寻找不同的特征组合来作为分类标准，进而提出了一种算法，用于实现此模型，实验结果显示，该模型能实现图象特征向量降维，并且算法能够极大地降低计算所花费的时间，同时，多种不同分类标准的引入，使得本方法能与信息检索技术进行有效的结合，为个性化信息检索提供一种实现思路。     

基于向量组的Fisher线性鉴别分析方法

提出了一种基于向量组的Fisher线性鉴别分析方法。该方法先将原始的高维向量分割为低维的子向量组,再对向量组运用Fisher线性鉴别分析。这种处理方法,不但能够解决任意高维下的小样本问题,而且通过选择恰当的子向量维数,可以从向量中抽取出最有效的特征值。此外,基于向量组的Fisher线性鉴别分析是Fisher线性鉴别分析和二维Fisher线性鉴别分析的进一步推广。     

基于KD-Tree搜索和SURF特征的图像匹配算法研究

针对图像匹配时进行特征检测和匹配的搜索时间长的问题,文章研究了基于KD-Tree搜索和SURF特征的图像匹配算法。该算法首先提取得到图像的SURF特征并生成特征描述向量,然后为这些特征描述向量建立KD-Tree索引,最后通过计算每个特征点的与其距离最近的若干个KD-Tree上的最近邻点,完成特征匹配工作。实验结果表明,与SIFT算法相比,SURF算法进行特征检测的速度要快2～3倍;与全局最近邻搜索相比,基于KD-Tree索引的近似最近邻搜索大大减少了计算量,较大地提高了SURF算法的匹配速度。     

求解连续函数优化问题的合作协同进化布谷鸟搜索算法

为改善布谷鸟搜索算法求解连续函数优化问题的性能,提出合作协同进化的布谷鸟搜索算法.改进算法通过应用合作协同进化框架,将种群的解向量分解成若干子向量,并构成相应子群体.利用标准布谷鸟算法更新各子群体的解向量.各子群体为其它子群体提供最优个体,组合成问题解向量并完成子群体评价.经10个测试函数实验仿真,结果说明改进算法能有效改善求解连续函数优化问题的性能.同时,针对连续函数优化问题,该算法与其它算法相比是有竞争力的优化算法.     

A quick search method for audio and video signals based on histogram pruning

This paper proposes a quick method of similarity-based signal searching to detect and locate a specific audio or video signal given as a query in a stored long audio or video signal. With existing techniques, similarity-based searching may become impractical in terms of computing time in the case of searching through long-running (several-days' worth of) signals. The proposed algorithm, which is referred to as time-series active search, offers significantly faster search with sufficient accuracy. The key to the acceleration is an effective pruning algorithm introduced in the histogram matching stage. Through the pruning, the actual number of matching calculations can be reduced by 200 to 500 times compared with exhaustive search while guaranteeing exactly the same search result. Experiments show that the proposed method can correctly detect and locate a 15-s signal in a 48-h recording of TV broadcasts within 1 s, once the feature vectors are calculated and quantized. As extentions of the basic algorithm, efficient AND/OR search methods for searching for multiple query signals and a feature dithering method for coping with signal distortion are also discussed.     

基于等价分量交叉相似性的Pareto支配性预测

研究用最近邻分类预测多目标优化问题Pareto支配性的相似性测度方法. 在分析决策分量对各目标分量贡献率的基础上定义决策向量的等价子向量,等价子向量由贡献率相同的决策分量所组成.提出基于等价子向量的最小交叉距离加 权和相似性测度方法.对每个目标分量,独立评价待测数据与N个已知样本的相似度,每个样本按其相似度值的升序赋予[0:N-1]之间的序号,按各目标上的序号之和最小准则确定最近邻样本.等价子向量最小交叉距离加权和相似性测度以及多目标最近邻搜索方法在确定决策向量相似性时,引入了决策空间到目标向量空间的映射知识,使决策变量相似性测度更真实地反映目标向量相似性.对典型多目标优化问题的Pareto支配性最近邻分类实验结果表明,提出的方法可显著地提高分类准确性.     

结合SURF特征的多功能彩色图像水印算法

针对目前大多数水印算法功能较单一,提出了一种可以同时进行版权保护和内容认证的多功能彩色图像双水印算法。首先,将原始图像由RGB空间转换到YUV空间,提取亮度分量的SURF（speeded up robust feature）特征点,根据特征点的主方向构造描述向量并将其拆分为两个子向量,分别计算它们与一个参考向量之间的余弦夹角,通过比较夹角的大小关系来构造鲁棒零水印序列;然后对原始图像进行2×2分块,对子图像块奇异值范数进行异或运算来产生脆弱水印信息,并将其嵌入至图像空域的最低有效位。版权归属鉴定时通过计算原始鲁棒零水印序列和从待检测图像中提取的水印序列之间的BCR（bit correct rates）相关系数作为鉴定的依据,内容认证时通过比较图像最低有效位和脆弱水印信息是否一致来实现篡改的检测和定位。实验结果表明,本文算法具有良好的透明性和较高的计算效率,同时具备版权保护和内容认证的双重功能。