網(wǎng)絡環(huán)境下基于內(nèi)容的圖像檢索中的數(shù)據(jù)索引技術.pdf

1、近年來，隨著計算機網(wǎng)絡上數(shù)字圖像信息的飛速增長，使得基于內(nèi)容的圖像檢索技術（Content Based Image Retrieval，CBIR）得到了廣泛的研究。 CBIR的首先提取出圖像的特征建立特征數(shù)據(jù)庫，把圖像集中的一個實例轉化成高維向量空間中的一個點，即特征向量。這樣對圖像基于內(nèi)容的相似檢索就轉化為對特征數(shù)據(jù)庫中高維數(shù)據(jù)的最近鄰查詢（Nearest Neighbor，NN）。而CBIR中的一個關鍵問題是如何對高維的圖像

2、特征數(shù)據(jù)建立有效的索引結構。 在圖像檢索的很多情況下，只需要解決近似最近鄰查詢問題。在以這種思想為指導所設計的索引中，最為著名的是本地敏感散列（Locality Sensitive Hashing，LSH）索引方法。LSH索引方法可以以概率方式保證一定的查詢精確度的前提下實現(xiàn)快速的近似最近鄰查詢。PLSH（PDF LSH）索引結構是原始LSH索引的擴展。 PLSH索引結構支持在圖像在感知函數(shù)（Perceptual Dis

3、tance Function，PDF）距離度量下的近似最近鄰查詢，在保持索引查詢效率的同時提高了查詢的準確性，并在理論上說明PDF在索引方法中的有效性。PLSH索引結構采用索引結構關鍵參數(shù)自動調整方法，使得索引結構可以自動根據(jù)數(shù)據(jù)集的特征對參數(shù)進行調整，以進一步優(yōu)化索引的查詢性能。PLSH索引結構在設計中預留并行接口，以便計算時間復雜更高的相似度度量能夠容易的整合于系統(tǒng)中。 初步實驗表明，PLSH索引結構相比原始的LSH索引結構