基于内容的WEB图像检索引擎

现在的图像搜索引擎大多是基于关键字的检索,怎样从Internet的海量数据中检索到自己想要的图像信息,是一个亟待解决的问题。本文提出了基于内容Web图像检索引擎及其体系结构,研究其数据库结构设计,基于内容检索中索引和相关反馈的问题。     

一种基于内容的图像检索系统的设计与实现

随着互联网技术的普及和发展,多媒体资源已成重要的信息载体,传统的基于关键字的信息检索技术已逐渐不能满足需求,因此,基于内容的图像检索技术成为当今的一个研究热点。文中在分析基于内容的图像检索方法基础上,针对数字图书馆的图像检索特点设计了一种图像检索系统的模型,并简要介绍模型的系统实现方法和图像处理过程。由具体实例数据验证说明了系统的可用性,表明此系统具有一定应用价值,文中的研究可对数字图书馆技术的进一步发展起到积极的参考作用。     

基于本体的工程数据关键字检索和排序方法

工程数据大量存在于现代生产制造企业。传统工程数据上沿用的关键字查询方法具有难以处理各种异构文档、无法识别关键字在工程领域的语义等缺陷。针对此,提出一种新的工程数据关键字检索方法。该方法先通过建立代表工程数据的本体,对各种异构的工程文档用适合的工具提取文本信息,建立XML快照。XML快照为索引关键字标注了相对应的本体概念。检索框架首先将用户的查询关键字匹配到本体的概念上,在匹配的过程中,提出一种算法消减关键字的语义混淆。在此基础上,提出一种排序模型,该模型对符合查询的XML快照进行打分排序,打分着重考虑了快照在语义上满足关键字查询的程度。检索框架最后排序并返回快照对应的原始文档给用户,使异构的工程数据文档能被统一处理和查询。该方法在工程数据上的检索结果查全率、查准率高,检索结果排序合理,能适用于实际企业中的大量工程数据文档,解决了传统工程数据检索的不足。实验使用了实际数据集,验证说明了该方法的实际有效性和性能上的高效性。     

基于内容的遥感图像变化信息检索概念模型设计

在海量遥感数据背景下,传统的基于关键字/元数据数据服务模式,无法满足不同应用领域用户对多样化遥感变化信息数据的获取需求。将基于内容的图像检索技术应用到遥感图像变化信息数据获取中,提出了一种全新的基于内容的遥感图像变化信息检索概念模型。通过深入分析当前基于内容的图像检索的先进理论方法,构建基于内容的遥感图像变化信息检索模型框架,并对变化信息数据管理模型构建、多维特征提取和智能反馈模型创建等关键问题进行研究和算法实现,以中低分辨率遥感图像变化信息数据获取为例来进行模型验证与分析,建立原型系统。该方法作为一种新的遥感图像变化信息获取与服务方式,能有效利用遥感图像中底层特征,更准确地刻画了不同用户的遥感图像变化信息检索需求。同时,对影像的预处理要求较低,不受变化检测产品生产种类限制,具有较好普适性和自动化性,提高了遥感信息服务水平和效率。     

MXDR:一种基于关键字的XML多文档分布式检索方法

基于关键字的XML检索技术是近几年信息检索领域的研究热点.但是由于关键字缺少XML结构语义信息,检索结果和用户需求偏差较大,检索质量难以提高;而XML结构检索由于用户难以提出准确描述查询意图的查询表达式而难以普及.另一个更突出的问题是现有的XML检索研究绝大多数都集中在单文档上,缺乏实用性.因此提出一种基于关键字的结构检索方法,即用分布式方式实现对多XML文档的检索,简称为MXDR(Multi-XML Distributed Retrieval).MXDR首先用一种兼顾结构和内容的聚类方法对多文档进行分类,通过分析查询关键字和类别结构信息,确定分布查找策略,再结合查询关键字和XML的结构信息,构建结构查询语句,最后通过结构查询系统实现关键字检索.在多组真实数据Sigmod数据集上的验证结果表明,与经典的SLCA方法比较,MXDR方法具有较高的查全率和查准率,尤其在检索效率上MXDR方法有显著优势.     

基于内容的图像检索技术综述与展望

伴随着多媒体技术、网络技术和信息数字化处理的高新技术的飞速发展,人们接触到越来越多的各种形式的图像信息,如何对如此大量的图像信息进行组织、管理和检索运用成为一个重要的研究课题。由于图像数据具有数据量大,数据结构复杂、模式多样等特征,传统的基于数值、字符等关键字的信息检索技术已经无法满足要求,基于内容的图像检索技术（CBIR,Content—Based Image Retrieval）应运而生,成为一个当前多媒体、信息检索等诸多领域广泛关注的研究问题。本文对内容的图像检索问题进行了综述,并展望了其未来的研究方向。     

基于视觉词袋的视频检索校准方法

随着互联网技术的飞速发展,视频数据呈现海量爆炸式增长,传统的视频搜索引擎多数采用单一的基于文本的检索方法,该检索方法对于视频这类非结构化数据,存在着内容缺失、语义隔阂等问题,导致检索结果相关度较低。提出一种基于视觉词袋的视频检索校准方法,该方法结合了视频数据的可视化特征提取技术、TF-IDF技术、开放数据技术,为用户提供优化后的视频检索校准结果。首先,基于HSV模型的聚类算法提取视频的关键帧集合及关键帧权值向量;接着用关键帧图像的加速稳健特征等表示视频的内容特征,解决视频检索的内容缺失问题;然后利用TF-IDF技术衡量查询语句关键字的权值,并开放数据获得查询语句关键字的可视化特征和语义信息,解决视频检索的语义隔阂问题;最后,将提出的基于视觉词袋的视频检索校准算法应用于Internet Archive数据集。实验结果表明,与传统的基于文本的视频检索方法相比,该方法的平均检索结果相关度提高了15%。     

MXDR:一种基于关键字的XML多文档分布式检索方法

基于关键字的XMI、检索技术是近几年信息检索领域的研究热点。但是由于关键字缺少XMI、结构语义信 息,检索结果和用户需求偏差较大,检索质量难以提高;而XML结构检索由于用户难以提出准确描述查询意图的查 询表达式而难以普及。另一个更突出的问题是现有的XML检索研究绝大多数都集中在单文档上,缺乏实用性。因 此提出一种基于关键字的结构检索方法,即用分布式方式实现对多XMI文档的检索,简称为MXDR (Multi-XMI_ Distributed RetrievaD。MXDR首先用一种兼顾结构和内容的聚类方法对多文档进行分类,通过分析查询关键字和类 别结构信息,确定分布查找策略,再结合查询关键字和XMI的结构信息,构建结构查询语句,最后通过结构查询系统 实现关键字检索。在多组真实数据Sigmod数据集上的验证结果表明,与经典的S工CA方法比较,MXDR方法具有较 高的查全率和查准率,尤其在检索效率上MXDR方法有显著优势。     

一种基于语义网络的图像检索方法

当前基于内容的图像检索主要采用底层特征检索技术,如颜色、形状和空间分析。然而无法表达图像的高层语义信息,造成了检索结果的不精确。结合低层特征,提出一种基于关键字语义网络的图像检索方法。通过语义网络的不断完善,检索的精确度也将随之提高。     

结合卷积神经网络不同层的特征进行包类商品检索

基于图像的内容相似性进行图像检索是计算机视觉领域的一个重要研究内容,比传统基于关键字的检索方法能节约相似物体的筛选时间。包类商品不仅市场需求量大且种类繁多,而且关键字往往不能准确地描述各种包类的款式。因此,利用关键字来进行包类款式搜索有时候并不能达到预期效果,基于内容图像检索则能较好地处理包类商品的检索问题。近年来,深度学习算法被用来解决图像相似搜索问题,但主要是基于卷积网络高层的特征作为输入图像的特征表达。高层的特征是比较抽象的语义特征,容易丢失一些图像的细节信息,因此会影响图像搜索的准确度。基于这个观察,运用基于卷积神经网络的深度学习算法完成对包类商品图像特征的自动学习,整理了5 000张分类好的包类商品图像作为深度学习的训练集。并且,和现有方法不同的是,结合了卷积神经网络中不同层的特征来提升包类商品图像检索的准确度。通过实验和实际应用验证了该方法能够较好地完成包类款式图像的检索问题。