基于聯(lián)盟的圖像檢索優(yōu)化方法研究與實現(xiàn).pdf

1、隨著大規(guī)模數(shù)字圖像庫的出現(xiàn)，傳統(tǒng)的依賴于人工標注進行的基于文本的圖像檢索技術(shù)已經(jīng)無法滿足用戶日益增長的要求，基于內(nèi)容的圖像檢索技術(shù)(CBIR) 便應(yīng)運而生。CBIR的一般做法是提取圖像的某些特征，構(gòu)成其特征向量，為方便檢索，對特征空間建立索引。現(xiàn)在已有一些不同的建立索引的方法，CM-tree（度量聚類樹）是一種較新的方法。 本文對基于聯(lián)盟的圖像檢索優(yōu)化方法的實現(xiàn)進行了研究。CM-tree節(jié)點中保存了聚類半徑及聚類之間距離表，基于

2、度量空間聚類的范圍查詢算法利用距離表的信息，根據(jù)三角不等式減少距離計算的次數(shù)，加快檢索的時間。在處理單個的、小數(shù)據(jù)量的查詢檢索上，基于度量聚類檢索具有一定的優(yōu)勢。但是用戶在一段時間內(nèi)提交的查詢是具有相當?shù)年P(guān)聯(lián)性的，或者極端的來說是重復性的，如果仍然使用常規(guī)的檢索方式對度量聚類索引樹進行檢索，毫無疑問的會多做許多重復的工作，如對同一張圖片進行多次檢索，或者對關(guān)聯(lián)性相關(guān)很大的圖片也是進行多次的檢索。基于聯(lián)盟對度量聚類檢索的優(yōu)化方法可以解決上

3、述問題。聯(lián)盟即主查詢和被邀請查詢經(jīng)過一系列的規(guī)則所形成的復合查詢的技術(shù)手段。聯(lián)盟的應(yīng)用層次就在度量聚類樹根節(jié)點下的第一層導航節(jié)點上，在此層次上，主查詢在不同的導航節(jié)點上分別和被邀請查詢根據(jù)一定的規(guī)則進行聯(lián)盟操作，并創(chuàng)建復合查詢，對復合查詢進行相應(yīng)節(jié)點上的檢索。同時，在主查詢和被邀請查詢相應(yīng)的屬性中保留在該節(jié)點上的聯(lián)盟信息，被邀請節(jié)點在下一次查詢的過程中就不需要對有聯(lián)盟信息的節(jié)點上進行檢索，此操作可避免重復查詢，減少查詢的次數(shù)，提高查詢的