矢量近似索引描述方法在圖像檢索中的應(yīng)用研究.pdf

1、隨著數(shù)字化、信息化時代的到來，多媒體信息大量涌現(xiàn)，圖像數(shù)據(jù)也隨之飛速增長，在氣象、醫(yī)療、交通和軍事等眾多領(lǐng)域被大量地應(yīng)用。與此同時如何對大量的圖像數(shù)據(jù)進行快速、有效地檢索，得到用戶所需要的數(shù)據(jù)，已經(jīng)成為計算機研究領(lǐng)域中急待解決的重要課題之一。 在傳統(tǒng)的基于內(nèi)容的圖像檢索系統(tǒng)中，由于圖像視覺特征(顏色或紋理等)高維屬性的特點，以前對于一維數(shù)據(jù)所提出的索引結(jié)構(gòu)不能夠適應(yīng)高維數(shù)據(jù)的檢索要求，所以人們提出了許多的高維索引算法，如KDB-

2、tree、R-tree及其家族系列等。但人們在應(yīng)用過程中發(fā)現(xiàn)，以上這些樹形結(jié)構(gòu)的檢索性能隨著數(shù)據(jù)維度的增高而急劇下降，特別是當(dāng)數(shù)據(jù)的維度超過10維時，往往這些算法的效率甚至不如直接使用高維數(shù)據(jù)的順序檢索方法[1]，這種現(xiàn)象也就是我們所說的維度災(zāi)難(Dimension Curse)。為了解決這個問題，人們又提出許多相應(yīng)的算法，如VA-File、NB-tree、金字塔算法等。但這些算法也都存在著自身的一些缺陷，如VA-File算法采用了向量

3、近似的方法，通過近似向量來構(gòu)建索引，實現(xiàn)對高維數(shù)據(jù)的過濾，是能夠有效解決維度災(zāi)難問題的算法之一，但由于該算法所提出的前提是針對數(shù)據(jù)獨立分布的情況之下，沒有考慮現(xiàn)實數(shù)據(jù)的相關(guān)性(這也是金字塔算法中存在的主要問題)，另外采用向量近似的方法，數(shù)據(jù)維度沒有精減，使實際的數(shù)據(jù)計算量沒有得到較大的降低，因而也影響了索引的效率。同樣在NB-tree中雖然實現(xiàn)了有效降維，但由于沒有考慮數(shù)據(jù)的空間分布，因此其索引結(jié)點中的冗余節(jié)點較多，進而影響其索引效率。

4、在本文中針對圖像數(shù)據(jù)的高維特性，在對基于內(nèi)容的圖像檢索技術(shù)所提出的各種不同的索引算法進行深入研究的基礎(chǔ)上，吸取許多優(yōu)秀算法的優(yōu)點并進行了綜合和改進，提出了一種較為快捷的檢索方法--靶標(biāo)式圖像檢索算法。 按照數(shù)據(jù)的分布或按數(shù)據(jù)空間進行分割是進行圖像檢索的兩種很重要的方法，兩者各有其優(yōu)缺點。在本文中綜合這兩種方法的優(yōu)點，提出了一種新型的圖像索引算法，通過對數(shù)據(jù)空間進行劃分，并對劃分后的子空間賦予不同的代碼值，以此構(gòu)建圖像的索引結(jié)構(gòu)。