

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、目前的圖像檢索技術(shù)主要是采用圖像內(nèi)容進(jìn)行檢索的方式。常見的圖像內(nèi)容包括圖像的色彩、紋理、形狀以及語義的特征。這些特征是高維數(shù)據(jù),對于數(shù)據(jù)處理有較高要求。為了減少檢索過程中的運算量,提高檢索速度和精度,應(yīng)該采用一個合理的方法對圖像庫數(shù)據(jù)進(jìn)行預(yù)處理。
本文采用的是一種較新的聚類算法對圖像庫劃分預(yù)處理。該算法與傳統(tǒng)的聚類算法不同,它是一種基于密度的聚類算法,適用于任意形狀分布的數(shù)據(jù),具有良好的自適應(yīng)性,自動獲取聚類中心及其個數(shù)。通過
2、本文驗證,使用該聚類算法檢索相較順序檢索提高了圖像的檢索速度。同時本文引入Haar特征用于圖像紋理表達(dá)使得檢索結(jié)果更加準(zhǔn)確。該特征是一種基于灰度值的計算方法,適用于有穩(wěn)定紋理特征的樣本。本文采用該算法對樣本進(jìn)行特征提取,通過實驗結(jié)果表明,采用該特征得到的結(jié)果更加準(zhǔn)確。
本文在最后分析了改進(jìn)聚類算法和Haar特征在實驗過程中的優(yōu)勢與不足,結(jié)合實驗結(jié)果對本文所有工作進(jìn)行了總結(jié)。同時指出了聚類算法和紋理特征在實際運用中遇到的障礙,對
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于學(xué)習(xí)聚類的圖像檢索算法研究.pdf
- 基于聚類的鞋印圖像檢索算法研究.pdf
- 基于ISODATA聚類的詞匯樹圖像檢索算法研究.pdf
- 基于改進(jìn)模糊聚類算法的醫(yī)學(xué)圖像分割研究.pdf
- 圖像檢索中的高斯混合聚類算法研究.pdf
- 基于聚類的圖像檢索技術(shù)研究.pdf
- 基于改進(jìn)的FCM遙感圖像聚類算法的研究與應(yīng)用.pdf
- 改進(jìn)的約束模糊聚類圖像分割算法研究.pdf
- 改進(jìn)的k-means聚類算法在圖像檢索中的應(yīng)用研究.pdf
- 基于改進(jìn)量子進(jìn)化核聚類算法的圖像分割.pdf
- 基于MRF模型的圖像聚類與檢索研究.pdf
- 基于中文檢索的Web聚類算法研究.pdf
- 基于改進(jìn)的特征融合圖像檢索算法研究.pdf
- 基于聚類的相關(guān)反饋圖像檢索的研究.pdf
- 基于顏色紋理聚類索引的圖像檢索研究.pdf
- 基于改進(jìn)譜聚類算法在醫(yī)學(xué)圖像中的應(yīng)用研究.pdf
- 基于FCM聚類的算法改進(jìn).pdf
- 基于聚類的圖像分割算法研究.pdf
- 基于屬性關(guān)聯(lián)圖的圖像檢索與聚類研究.pdf
- 基于改進(jìn)聚類算法的光伏組件圖像識別技術(shù).pdf
評論
0/150
提交評論