VAR-Tree--一种新的高维数据索引结构

在多媒体信息检索和数据挖掘等应用领域,实现高维矢量的K近邻搜索是非常具有挑战性的研究课题,为此人们提出了很多种索引结构．然而,现有研究成果表明,随着矢量维数的增加,基于树状索引结构的查询性能急剧下降,例如在R-Tree,X-Tree和SS-Tree中都会出现“维数灾难”．为此,又引入近似压缩的思想,即通过压缩数据来减少查询过程中的磁盘读写代价,例如VA-File等,不过,VA-File没有对近似矢量数据做任何的排序或层次处理．提出了一种新的索引结构VAR-Tree,它将VA-File与R-Tree有机结合起来,用R-Tree管理和组织VA-File中的近似数据,并用已提出的R-Tree类相似查询算法实现基于VAR-Tree的查询．实验结果表明,VAR-Tree较好地提高了检索性能．     

多维向量动态索引结构研究

多维向量的索引技术是多媒体数据库系统中的关键技术之一.集中研究基于向量空间模型的动态索引结构,以解决在图像数据库系统中按内容快速检索图像的对象问题.在分析研究R-Tree和R*-Tree的基础上,提出了ER-Tree动态索引结构.该索引树用超球体划分多维向量空间,以有利于计算最近邻;吸取R*-Tree树的重插技术,以增强索引树对数据集整体特征的表达能力,从而提高检索效率;通过引入插入安全点和删除安全点概念,有效地提高建树的效率.同时,给出了基于该结构的特征向量插入算法.实验结果表明,所提出的索引结构建树的     

基于内容的图像检索技术

随着大量数字图像数据库的出现,基于内容的图像检索技术成为研究热点。该文对目前基于内容的图像检索技术的主要原理与方法进行了分析,并对以后的发展趋势进行了展望。     

基于本体的图像语义标注与检索模型

存储于计算机上日益庞大的数字图像存在语义表达隐含、存储孤立、检索不便等缺点,导致图像应用效率低。该文提出基于本体的图像语义标注与检索模型ImageQ,其具有层次及模块化特点且与领域本体相独立,支持领域本体进化和系列推理深度不同的图像检索方法。基于ImageQ的实验系统运行结果表明,该模型的图像管理性能良好,实现了图像智能检索功能。     

安全事件综合分析系统框架及关键技术

存储于计算机上日益庞大的数字图像存在语义表达隐含、存储孤立、检索不便等缺点,导致图像应用效率低.该文提出基于本体的图像语义标注与检索模型ImageQ,其具有层次及模块化特点且与领域本体相独立,支持领域本体进化和系列推理深度不同的图像检索方法.基于ImageQ的实验系统运行结果表明,该模型的图像管理性能良好,实现了图像智能检索功能.     

E3D R-Tree：一种处理移动对象数据库历史查询的索引结构

历史查询是移动对象数据库管理的一个重要方面.为提高历史查询效率,在3D R-Tree基础上实现了优化的索引结构E3D R-Tree.在E3D R-Tree中,结合移动对象数据特征引入空白区域作为新的插入代价参数,同时,在插入算法中利用最小代价优先搜索算法确定全局最优插入路径,并给出算法正确性证明.实验结果表明,E3D R-Tree查询效率高于3D R-Tree.     

一种基于形状和遗传算法的图像检索方法

人们在图像检索的过程中就希望能够简便、快速、有效的检索出目标图像,从而顺利达到解决问题的目的。但是随着互联网与多媒体技术的不断发展,数字图像数据库已存储了大量的图像资源,因而这给人们快速、准确寻找到所需图像并有效利用图像资源出了一个大难题。面对这一情况,研究者们提出了一种基于遗传算法的内容图像检索方法,利用其最优群体搜索的优势大大提高与缩短了图像检索的精度与时间。在此,该文将着重分析一种基于形状和遗传算法的图像检索方法。     

基于联合特征的图像检索

基于内容的图像检索是指在大型图像数据库中寻找相匹配的数字图像的一门机器视觉技术。在该文中用到的基于内容的图像检索技术是建立在图像内容上的提取上的,通过提供更好的索引来达到更准确的检索结果。该文提到的图像检索的内容是指颜色特征,纹理特征和这俩个特征的综合应用。相比较单特征,联合特征可以返回更加优秀的和更加准确的检索结果。     

一种基于VARdnn-Tree的反向最近邻查询方法*

空间数据库中反向最近邻查询在低维查询时一般利用基于R-Tree的改进树作为索引结构,由于树型索引结构本身的限制,R-Tree等索引结构的查询在高维中都会出现维数灾难。针对这个问题,提出了一种基于VARdnn-Tree的索引结构,采用量化压缩的方法存储数据,能够有效地支持高维查询。     

基于多语义特征融合的图像检索

多媒体技术的发展导致数字图像迅速增长,如何根据语义特征高效检索出满足用户要求的图像,已成为当前各行业迫切需要解决的问题。为此提出一种基于颜色、纹理和形状三种语义特征的图像检索方法,建立了颜色和纹理特征的语义描述,使用BP神经网络实现了低层视觉特征到高层语义特征的映射。选取Corel图像库作为测试图像库,实验通过与基于颜色语义特征的检索方法相比较,取得了良好的实验效果。     

基于内容的图像检索技术研究

随着数字图像在多媒体领域的广泛应用,对基于内容的图像检索技术的需求也不断增加.基于内容的图像检索技术总体上可以分为两部分:图像特征提取、图像特征的索引与匹配.图像特征提取主要解决如何在数学上有效地描述一幅图像.文中分别介绍了颜色、形状和纹理特征提取算法近年来的研究成果.图像特征索引与匹配,主要解决如何根据特征描述判断图像间的相似程度,并准确、快速列出图像库中与检索图像相似的图像,分别介绍了相似度测量方法、聚类与分类技术、相关反馈技术三类技术的主要研究成果.最后对基于内容的图像检索技术的研究难点进行了讨论,对未来可能的研究方向进行了展望.     

基于、Affinity Propagation聚类方法的图像检索技术在数字图书馆中的应用

随着数字图书馆包含的内容逐渐丰富,数字图像也越来越多。为了有效地检索这些图像,迫切需要一种效率更高的检索方法。目前的基于内容的图像检索算法在检索时间和效率上都还不能满足这一需求。本文采用最新提出的Affinity Propagation聚类方法和颜色一形状直方图特征,提出一种新的检索方法应用到数字图书馆进行图像检索。经过试验证明在查准率、查全率和检索时间上均有较大的提高。     

有关正六边形点阵结构数字图像的研究

传统连续图像信号的采样过程采用的是矩形点阵结构。当连续图像信号的频带处于一个圆形区域之内时，正六边形点阵结构的采样密度比矩形点阵结构的采样密度要降低13．4％。但目前图像输入输出设备只支持矩形点阵结构的数字图像，所以首先讨论了满足Nyquist采样定理的正六边形点阵结构的采样矩阵(空间采样间隔)，及矩形点阵结构数字图像和正六边形点阵结构数字图像之间的转换。另一方面由于正六边形点阵结构的数字图像是不可分离信号，这给图像处理造成许多的不便。为此提出了一种基于可分离滤波器阵列的图像分解方法，降低了计算复杂度，得到类似矩形图像小波变换所得的多尺度分解结构，并给出重构图像的实验结果。     

网络环境下多媒体信息检索探究

因特网上的多媒体数量激增使图像等多媒体信息的检索成为了现在的研究热点。重点从基于文本的图像检索和基于内容的图像检索以及有关文本与内容相结合的技术等3个方面介绍了图像检索。同时对音频检索进行了简要介绍。最后结合XML文档较为详细地介绍了基于XML的图像检索。     

R*-Tree强制重插算法的改进

为了提高检索速度,在分析R-Tree及R*-Tree的基础上,提出一种强制重插算法,通过改进R*-Tree多维空间索引结构加速搜索过程。实验结果表明,相比传统算法,该算法在索引空间利用率、动态创建索引、索引检索方面具有更高性能。     

基于网格的图像内容检索研究

信息时代的到来,使得信息的涵义大为扩展,图像作为信息的一种,其数量呈现指数增长,而且基于内容的图像检索技术一直存在检索实时性、计算复杂性、动态性强及内容难以精确描述等问题的困扰.针对这些问题,结合知识学习和网格的特点,利用开放网格服务结构核心思想提出了一个基于网格图像内容检索框架,重点设计体系结构及其功能.     

基于对象的彩信图像检索系统的研究与实现

基于对象的彩信图像检索系统是继图像检索和彩信检索结合的新一代信息检索技术,介绍了目前热门的基于对象的图像检索系统的概念,以及应用到彩信检索领域的工作原理.在基于对象的图像检索基础上,加入了对图像中区域对象的识别过程,并将识别结果存入图像属性索引数据库,然后在检索过程中根据用户输入的对象查询请求,到数据库里进行检索,最终将检索结果返回给彩信用户.     

静态图像文字提取技术综述

近年来,数字图像的数量急剧上涨。通常数字图像中所包含的文字信息对于图片内容的理解、索引和检索具有重要意义。该文介绍了计算机对图像中文字自动识别和提取的主要步骤和技术难点;并提出了在静态图像文字提取技术中的几个设想。     

对抗网络数字图像混合噪声滤除算法仿真

为了提高数字图像混合噪声滤除算法的滤除效果,设计了对抗网络数字图像混合噪声滤除算法.首先对对抗网络数字图像边缘进行了检测,在虚拟现实技术下并对图像进行了预处理,将图像按照等间距形式进行采样,然后判断图像中的混合噪声,标记窗口像素,最后采用小波阈值算法对对抗网络数字图像噪声进行滤除,结合虚拟现实技术重构有效低频信号的小波系数和阈值高频信号系数,得到混合噪声滤除后的新图像,实现对抗网络数字图像混合噪声滤除.实验结果表明,经过上述研究的对抗网络数字图像混合噪声滤除算法的均方误差低,峰值信噪比与结构相似度都较高,取得了较好的应用效果.     

基于混合相似度的高效图像检索方案

融合文本和视觉信息进行图像检索可避免图像低层视觉特征与高层语义之间的语义鸿沟,但在提高检索质量的同时难以保证检索效率。为此,针对基于文本和内容的混合图像检索,通过结合曼哈顿哈希、倒排索引和R树等技术,设计一个新型的索引结构CAT树和相应的top-k检索算法,并由此提出三段式图像检索方案。在基准图像数据集上的实验结果表明,该方案可以在保持准确率的前提下,显著提升图像检索的效率。