一种基于对象空间关系的图像检索模型

介绍一种基于空间相似的图像数据库检索模型，提出了空间相似度计算的算法，对对象的空间方位、拓扑关系、数量和空间关系局部高度相似等因素都作了全面考虑，详细阐述空间相似度与局部相似对象簇的求解过程，建立的模型不仅能识别经平移、缩放和旋转交换的图像，而且能识别图像的对称变换，通过实验验证，表明检索模型的图像搜索效率高。     

图像中物体空间关系的表示及在检索中的应用

基于图像中物体之间的空间关系的图像检索往往受困于待处理的图像中物体种类和空间位置难以自动准确地获取。文中基于物体识别算法的输出,提出一种对物体空间关系的三元组表示法,给出基于这种表示方法对图像索引、相似度计算和检索排序的方法及允许用户使用查询词和空间关系表达查询需求的二维输入界面,并实现原型系统。这种表示法具有良好的鲁棒性,可容忍物体识别算法一定程度的误差,将物体识别得到的置信度加入三元组表示法置信度计算和排序算法中,减少物体识别结果误差对检索性能的影响。在原型系统上的实验表明,该系统在实验中对包含物体位置关系的检索给出更准确的结果,在NDCG@m、MAP、F@m上均优于现有系统。     

对象关系型空间数据库的访问方式的改进

对象关系型空间数据库使得地理空间对象可以作为一种新的类型存储到空间数据库中。然而索引访问方式与数据类型是紧密联系的。为了使空间数据库用户为每个新空间数据类型建立自己的索引,同时减轻工作量,对将GiST索引框架引入到空间数据库进行了介绍,并分析了GiST框架下的空间索引的好处与劣势。在此基础上,实现了访问效率较高的GiST R*树索引,并对其时间效率和空间效率进行测试。     

图像对象空间关系模型研究

1 引言在图像数据库中,依据图像区域的空间关系进行空间推理以检索目标图像,是重要的查询方式之一。空间关系模型是这种查询的基础,有两类空间关系引起了国内外广泛的关注:图像区域间的方向关系,如上下左右、或东南西北等,以及图像区域间的拓扑关系,如不相交(disjoint)、相接(touch)、重叠(overlap)、覆盖     

基于对象空间关系的图像检索方法研究

描述了图像中对象之间的拓扑关系、投影间隔关系和角度关系，给出了不同空间关系距离的定义，提出了集成查询图像与数据库图像中共有对象数目和空间关系的图像相似性度量方法。实验证明，利用该相似性度量方法实现的图像检索系统的检索精度是较高的。     

基于对象空间关系的图像检索方法研究

描述了图像中对象之间的拓扑关系、投影间隔关系和角度关系,给出了不同空间关系距离的定义,提出了集成查询图像与数据库图像中共有对象数目和空间关系的图像相似性度量方法。实验证明,利用该相似性度量方法实现的图像检索系统的检索精度是较高的。     

基于N层向量空间模型的Web主题检索算法

本文在N层向量空间模型和主题树模型的基础上，通过分析两个模型的分层特性，提出了一种Web主题检索锋法。实验证明，在主题检索方面，该算法具有较快的速度和较高的查准率。     

基于移动对象运动模式构建的空间索引结构

由于实时跟踪移动的空间对象需要不断地查询和更新空间数据库的索引，经典R树空间索引结构的静态管理空间对象的方法并不适合移动环境，从而导致系统执行效率非常低下。根据对移动对象运动模式的分析，文中提出了一种称为ASI（Adaptive Spatial Index based on Motion Characteristic of Moving Objects）的移动空间对象索引结构，阐述了该索引结构的核心算法、构造方法、具体的数据存储方案，最后给出了该索引结构的试验分析结果。     

基于R树的空间数据索引技术的探索

目前,基于空间数据库管理系统的空间数据索引技术的研究与应用正不断地兴起,且日趋成熟。分析经典的空间数据索引技术R-树和R^＊-树的优势与特点,在R^＊-树索引结构的基础上融合了传统的四叉树索引方法的精髓,提出了一种改进的R^＊-树索引技术一即R^＊Q-树索引方法。设计并实现了R^＊Q-树索引方法中索引构造算法的主要改进部分,并采用大量的随机实验数据验证了改进算法对提高空间数据索引效率的有效贡献。     

基于移动对象运动模式构建的空间索引结构

由于实时跟踪移动的空间对象需要不断地查询和更新空间数据库的索引,经典R树空间索引结构的静态管理空间对象的方法并不适合移动环境,从而导致系统执行效率非常低下。根据对移动对象运动模式的分析,文中提出了一种称为ASI(Adaptive Spatial Index based on Motion Characteristic of Moving Objects)的移动空间对象索引结构,阐述了该索引结构的核心算法、构造方法、具体的数据存储方案,最后给出了该索引结构的试验分析结果。     

Modeling real objects for Kansei-based shape retrieval

A large number of 3D models are created on computers and available for networks. Some content-based retrieval technologies are indispensable to find out particular data from such anonymous datasets. Though several shape retrieval technologies have been developed, little attention has been given to the points on human＇s sense and impression （as known as Kansei） in the conventional techniques, In this paper, the authors propose a novel method of shape retrieval based on shape impression of human＇s Kansei. The key to the method is the Gaussian curvature distribution from 3D models as features for shape retrieval. Then it classifies the 3D models by extracted feature and measures similarity among models in storage.     

R*-树空间索引的优化研究

针对大型空间数据库应用的需求及己有空间索引技术的不足,在论述R-树及R*-树索引技术的相关概念、数据结构、算法描述及性能分析的基础上,提出了一种改进的R*-树空间索引结构。研究结果表明：改进后的R*-树与原始的R*-树相比具有更高的性能。     

基于模糊熵的空间语义图像检索模型研究*

根据模糊熵理论和改进的空间信息分布,提出了颜色空间特征语义图像检索模型。阐述基于语法规则的颜色空间特征语义描述方法,构造从低层颜色空间特征到高层语义之间的映射,根据这些模糊语义值进行图像检索。实验结果表明,该模型能够有效地对图像高层语义进行刻画,由此实现的模型不仅能获得高效和稳定的检索结果,获得与人类视觉感知较好的一致性,该算法还能很好地消除低层图像空间特征和高层语义之间的语义鸿沟。     

基于全息熵的空间离群点挖掘算法研究

基于距离和基于密度的离群点检测算法受到维度和数据量伸缩性的挑战, 而空间数据的自相关性和异质性决定了以属性相互独立和分类属性的基于信息理论的离群点检测算法也难以适应空间离群点检测, 因此提出了基于全息熵的混合属性空间离群点检测算法。算法利用区域标志属性进行区域划分, 在区域内利用空间关系确定空间邻域, 并用R*-树进行检索。在此基础上提出了基于全息熵的空间离群度的度量方法和空间离群点挖掘算法, 有效解决了混合属性的离群度的度量和离群点的挖掘问题。由于实现区域划分有利于并行计算, 从而可适应大数据量的计算。理论和实验证明, 所提算法在计算效率和实验结果的可解释性方面均具有优势。     

基于深度学习的草图检索方法研究进展

草图检索(SBIR)是基于内容的图像检索(CBIR)的扩展,是一种灵活便捷的目标图像检索方式,其研究的焦点是如何减少手绘草图域与自然图像域之间的域差。传统方法提取手工特征完成草图域与图像域之间的近似转换以减少域差,但该类方法无法有效拟合2个域内容,导致检索精度不高。深度学习方法依赖大量数据进行图像高维特征的提取,突破了传统方法的局限,已被证明可以有效解决跨域建模问题。研究聚焦于基于深度学习的草图检索方法,在深度特征提取模型、公开的数据测试集、粗粒度和细粒度检索、哈希技术和类别泛化等几个方面对草图检索的深度学习方法的相关研究工作进行了综述和评论。然后进行了实验比较研究,一方面,对现有3个公开的SBIR测试集Sketchy、TU-Berlin和QuickDraw进行适用性评估;另一方面,选取3个最新的SBIR深度学习模型GRLZS模型、SEM-PCYC模型和SAKE模型进行性能分析与比较。最后,对草图检索面临的挑战和未来研究方向进行了总结与展望。     

基于本体的语义网检索模型及关键技术研究

为解决传统的基于题,构建了一个基于本体的语义网检索模型.提出了一种领域本体库和应用本体库的构建方法,给出了查询本体的生成以及相似本体匹配推理的方法,实现了以该模型为基础的试验性检索系统.实验结果表明,该模型能够进行本体的语义推理,在一定程度上增强信息检索系统的语义处理能力,检索效率得到了改善.     

树型空间索引及其在聚类中的应用研究

对大型高维数据集进行高效的聚类分析已成为许多领域的迫切需要,但是一般的聚类技术在处理高维数据时性能低下。树型空间索引可以高效地组织并检索高维数据,因此使用树型空间索引是改善聚类性能的有力途径。该文介绍各种树型空间索引的结构,并对它们的性能加以分析,接着讨论树型空间索引在聚类分析中的应用,并提出将树型空间索引与聚类技术相融合的思想。     

融合空间结构特征的三维模型局部检索方法

针对局部信息识别的重要性,在骨架提取的基础上,提出了一种新的三维模型局部检索方法。该算法在基于骨架树进行图结构匹配的初步筛选后,融入空间结构特征和几何细节特征,进行局部相似度的计算。大量实验证明,本方法对于模型的局部匹配有很好的鲁棒性和高效性。     

P2P环境中的空间数据索引模型和生成算法研究

在Peer-to-Peer（P2P）环境中管理复杂的空间数据,首先需要建立空间数据索引。对相关研究进行了分析总结,设计出了一种分布式四叉树与本地R*树相结合的新索引模型P2PQR-tree。P2PQR-tree将四叉树技术应用于P2P环境,并利用复制策略实现了负载均衡。给出了索引生成算法,并对算法性能进行了分析。P2PQR-tree数据组织更加合理、能够更好地支持元数据管理、易于实现权限控制、减少了分布式索引变化,更好地适应了对等网络的动态特性。     

基于纹理基元空间分布特征的图像检索算法*

针对纹理统计法和结构法各自存在的问题,提出了一种基于纹理基元空间分布特征的图像检索算法。首先借鉴方块编码的思想来定义图像的纹理基元,然后在对纹理基元的统计分布研究的基础上,针对每一种纹理基元构造纹理基元空间分布图,提出采用纹理基元空间分布特征矢量对图像内容进行描述。实验结果表明,该算法既有效利用了图像的纹理信息,又考虑了纹理的空间分布信息,具有较好的检索效果。