利用聚类算法提高基于内容的图像检索准确率

给出了一种基于内容的图像检索算法,该算法使用了图像的颜色直方图作为图像的检索特征,并且利用了K均值聚类算法以及用户相关反馈技术来提高检索的准确率。     

基于聚类的图像视觉内容检索和索引

图像是一种典型的可以大量获取的多媒体数据，对它们进行内容管理具有实际意义，描述在BOIC系统中提出并实现的基于聚类机制的图像视觉内容检索和索引方法．首先给出以视觉特征、空间结构、语义注释等来表示图像内容的模型；然后给出基于该模型的三个检索算法，包括基于视觉感知的颜色检索算法、轮廓检索算法、主色调扩展检索算法；最后给出采用集簇算法时媒体数据进行聚类的索引机制．它建立聚类索引表来缩小查询范围，从而提高了检索效率。     

基于颜色量化与聚类的图像检索算法

本文给出一种基于颜色的图像检索算法,将DSQ量化与CLQ聚类算法相结合建立图像颜色直方图.避免了动态聚类算法对初始聚类类别数及相应聚类中心敏感,影响聚类结果.该算法首先采用DSQ对图像颜色进行初始量化,确定初始聚类中心;然后在此初始聚类中心基础上进行GLQ聚类;最后,采用对称相似度算法利用颜色直方图进行图像相似性匹配.试验证明,算法对图像有较好的检索性能.     

一种基于颜色的图像检索方法

随着多媒体技术的迅速发展及可视数据量的急剧增加,给研究者们提出了有效检索图像的难题.本文提出聚类算法在基于内容图像检索中的应用,借鉴颜色查找表的思想来构造颜色的聚类,在图像检索的基于颜色检索方面具有可行性.     

基于内容的多媒体数据库管理系统的研究

通过分析数据库的数据模型,研究基于内容的多媒体数据库管理系统的构建方法及其功能框架,采用PL／SO．L方式访问Oracle8i数据库。为了提高管理系统的图像检索速度,提出了一种基于内容的图像检索算法,从聚类中心初值选取和分类中心的更新方面改进C-均值聚类算法,较好地解决了图像的分类问题。实验表明：使用该聚类检索算法,能对分类中心进行快速更新,有效地对图像进行聚类以及缩短检索时间,检索性能优于现有的C-均值聚类算法。     

基于内容的多媒体数据库管理系统的研究

通过分析数据库的数据模型.研究基于内容的多媒体数据库管理系统的构建方法及其功能框架,采用PL/SOL方式访问Oracle 8i数据库.为了提高管理系统的图像检索速度,提出了一种基于内容的图像检索算法,从聚类中心初值选取和分类中心的更新方面改进C-均值聚类算法,较好地解决了图像的分类问题.实验表明:使用该聚类检索算法,能对分类中心进行快速更新,有效地对图像进行聚类以及缩短检索时间,检索性能优于现有的C-均值聚类算法.     

基于学习聚类的图像语义检索算法

本文利用聚类理论提出了一种基于学习的聚类图像语义检索算法,建立了底层特征和高层语义的映射,实现了语义的快速提取和图像的精确检索。它由聚类构造算法、聚类构造学习和图象检索算法组成。实验结果表明,本算法是比较稳定和有效的。     

基于遗传FCM算法和SVM的图像检索

提出基于遗传FCM聚类算法和SVM相关反馈的图像检索方法。首先对图像库提取颜色和纹理特征,采用遗传FCM聚类算法对图像进行聚类,得到每个图像类的聚类中心;最后计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。为了进一步提高检索精度,提出基于SVM的相关反馈算法。实验结果表明,提出的方法具有优良的检索性能。     

一种改进的K-means聚类算法的图像检索方法

分析了K-means聚类算法在图像检索中的缺点,提出了一种改进的K-means聚类算法的图像检索方法。它首先计算图像特征库里面的所有颜色直方图特征之间的欧氏距离;然后根据“两个对象距离越近,相似度越大”[1]这一原理,找到符合条件的特征向量作为K-means聚类的初始类心进行聚类;最后进行图像检索。实验结果表明,本算法具有较高的检索准确率。     

基于优化分块颜色直方图及模糊C聚类的彩色图像检索方法

将数据挖掘的聚类算法应用到基于内容的图像检索中可以有效提高检索的速度和效果。模糊聚类算法更符合图像检索本身所具有的模糊性,但这种方法存在聚类分析时间过久影响检索性能的问题,因此本文提出了一种基于优化分块颜色直方图及模糊C聚类的彩色图像检索方法。首先对图像库中的每幅图像进行分块,并提取出每一块的优化颜色特征信息;然后采用模糊C均值聚类算法对得到的颜色特征向量进行聚类,得到每个图像类的聚类中心;最后计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。实验表明,本文提出的方法不仅具有较高的查全率和查准率,而且提取的特征维数较少,聚类时间短,检索速度快。