排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
基于内容的图像检索(CBIR)是对传统信息检索领域的扩展.它采用图像视觉内容的相似性判别进行查询.CBIR涉及到很多科学领域的课题.本文则仅主要综述CBIR技术中的相似性度量方法,索引方式,以及检索性能的评价.最后,分析了该领域现存的问题、最新研究动态及发展方向. 相似文献
2.
翻译模板自动获取是提高MT译文输出质量和领域适应能力的关键性因素。利用Tree-to-String方法抽取等价对,使用错误驱动的学习方法从中获取翻译模板并进行优化。将优化后的翻译模板用于一个基于转换的机器翻译系统中,同时使用“863”对话语料对其进行评测。实验结果表明:当使用自动获取并经优化的模板进行翻译时,开放测试语料的译文评测分数有一定程度的提高。 相似文献
3.
4.
提出了一种新的受位置约束的混合模型图像分割方法。该方法在独立混合模型的基础上,采用空间滤波方法对像素所属分量的后验概率进行修正,在混合模型中隐含地加入了像素的空间位置信息。这种结合位置信息的方法为混合模型的分量选择提供了一种有效的实现方式。与其它的受位置限制的混合模型相比,该方法没有引入额外的模型参数,并且无需采用模型选择准则,可以实现自动的混合分量个数的选择。 相似文献
5.
自动图像标注是一项具有挑战性的工作,它对于图像分析理解和图像检索都有着重要的意义.在自动图像标注领域,通过对已标注图像集的学习,建立语义概念空间与视觉特征空间之间的关系模型,并用这个模型对未标注的图像集进行标注.由于低高级语义之间错综复杂的对应关系,使目前自动图像标注的精度仍然较低.而在场景约束条件下可以简化标注与视觉特征之间的映射关系,提高自动标注的可靠性.因此提出一种基于场景语义树的图像标注方法.首先对用于学习的标注图像进行自动的语义场景聚类,对每个场景语义类别生成视觉场景空间,然后对每个场景空间建立相应的语义树.对待标注图像,确定其语义类别后,通过相应的场景语义树,获得图像的最终标注.在Corel5K图像集上,获得了优于TM(translation model)、CMRM(cross media relevance model)、CRM(continous-space relevance model)、PLSA-GMM(概率潜在语义分析-高期混合模型)等模型的标注结果. 相似文献
6.
用于图像分割的滤波EM算法 总被引:5,自引:0,他引:5
利用邻近像素类别上的相关性,在采用EM算法对模型参数求解的过程中,以滤波方法引入像素的空间位置信息,降低了EM对初始值选择的敏感性.该算法在引入了像素的位置信息的同时,保持了EM算法的简单性,并为混合分量个数的选择提供了一种新的实现途径.对实际图像的分割结果证实了算法的有效性. 相似文献
7.
针对如何有效地利用图像视觉信息与标注信息进行图像聚类的问题,提出了一种基于视觉单词与标注单词共生的聚类算法.在视觉特征空间,采用K-means算法对图像聚类,得到表征图像视觉信息的视觉单词,即聚类中心.在图像标注字空间,计算各聚类中心下标注单词的统计分布,建立视觉单词与标注单词共生矩阵,进而针对图像提取嵌入有视觉信息的标注词特征LDA(latent dirichlet allocation)主题模型作为最终聚类算法完成图像的聚类.通过对Pascal VOC 2007标注图像数据库进行的实验仿真以及对比试验结果表明,基于视觉单词与标注单词共生的聚类算法可以有效地利用图像的视觉信息与标注信息的互补特性,提高聚类算法的性能. 相似文献
8.
9.
1