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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)和數(shù)字成像設(shè)備的普及,積聚數(shù)字圖像的各種網(wǎng)絡(luò)社區(qū)得到了迅速發(fā)展,包含大量圖像的數(shù)據(jù)庫也隨之不斷出現(xiàn),如何從這些海量圖像數(shù)據(jù)庫中快速檢索出滿足用戶需求的圖像已成為多媒體應(yīng)用領(lǐng)域中一個重要的主題。為了實現(xiàn)精確而快速的圖像檢索,解決圖像檢索中的圖像內(nèi)容精確表示,大規(guī)模檢索的存儲約束以及檢索效率等問題,從圖像描述符,近似最近鄰檢索以及高維向量索引等幾個方面進行了深入的研究。
針對全局描述符VLAD的區(qū)分度與存儲大小之間的矛盾
2、,提出了一種增強的圖像描述符,其通過兩層視覺碼書來生成圖像的VLAD描述符,即圖像的局部特征的殘差向量基于細(xì)粒度的第二層視覺子碼書而產(chǎn)生,而殘差向量的累積基于粗粒度的第一層視覺子碼書。另外,針對圖像局部特征非均勻分布,對第二層視覺子碼書提出了優(yōu)化措施。實驗結(jié)果表明,兩層碼書及優(yōu)化策略能顯著提高固定大小的VLAD描述符的區(qū)分度。
針對在向量原始空間訓(xùn)練量化器及向量量化編碼時間開銷過大的缺陷,設(shè)計了殘差投影量化器,并將其用于近似最
3、近鄰檢索。殘差投影量化器由多階段子量化器組成,在每一個階段子量化器訓(xùn)練過程中,借助主成分分析將高維向量投影到低維空間,并通過K均值聚類算法在低維空間生成子量化器的視覺碼書,量化產(chǎn)生的殘差則反投影到原始空間用于訓(xùn)練下一階段子量化器。另外,以訓(xùn)練階段和量化階段的總體誤差最小化為目標(biāo),提出了相應(yīng)階段的優(yōu)化措施。查詢時,所采用的非對稱距離計算及查找表很好的滿足了大規(guī)模高維向量檢索的精度和效率需求。
為了提高檢索效率,提出了基于二級鄰接
4、圖的索引結(jié)構(gòu)。第一級鄰接圖反映的是轉(zhuǎn)換積量化器視覺碼書和數(shù)據(jù)庫向量的近鄰關(guān)系,用于快速生成查詢的近鄰種子,在第一級鄰接圖的生成過程中,采用逆向生成模式,即先將數(shù)據(jù)庫向量分配給轉(zhuǎn)換積量化器的多個最近鄰視覺碼字,然后,再為每個視覺碼字保留少數(shù)幾個最近鄰數(shù)據(jù)庫向量。第二級鄰接圖反映的是數(shù)據(jù)庫向量到自身的近鄰關(guān)系,用于近鄰傳遞,為了快速生成第二級鄰接圖,采用了一種基于劃分樹的鄰接圖近似構(gòu)建算法。基于二級鄰接圖進行查詢時,對于給定的查詢向量,先快
5、速檢索到該查詢向量在轉(zhuǎn)換積量化器視覺碼書中的最近鄰視覺碼字,并基于第一級鄰接圖的鄰接關(guān)系快速生成查詢向量的最近鄰種子,對每一個最近鄰種子,基于第二級鄰接圖的鄰接關(guān)系實現(xiàn)近鄰傳遞,重復(fù)上述過程直到檢索到的最近鄰個數(shù)滿足指定的閾值為止。基于二級鄰接圖的不完全檢索很好的解決了大規(guī)模檢索的實時需求。
基于內(nèi)容的大規(guī)模圖像檢索需要研究的問題還有很多。在圖像描述符方面,如何融合多種視覺特征用于生成圖像描述符以更好的表達圖像內(nèi)容是需要進一步
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
- 大規(guī)模圖像檢索中高維索引技術(shù)研究.pdf
- 基于內(nèi)容的大規(guī)模圖像索引與檢索方法研究.pdf
- 基于內(nèi)容的大規(guī)模圖像檢索的設(shè)計與實現(xiàn).pdf
- 采用稀疏表示的大規(guī)模圖像檢索技術(shù)研究.pdf
- 基于圖像哈希的大規(guī)模圖像檢索方法研究.pdf
- 基于內(nèi)容的圖像檢索技術(shù)研究
- 基于RSOM積的大規(guī)模圖像目標(biāo)檢索關(guān)鍵技術(shù)研究.pdf
- 基于內(nèi)容的圖像檢索技術(shù)研究.pdf
- 基于云平臺的大規(guī)模圖像檢索研究.pdf
- 基于內(nèi)容的大規(guī)模近似重復(fù)視頻檢索研究.pdf
- 基于內(nèi)容語義的圖像檢索技術(shù)研究
- 基于內(nèi)容的圖像檢索技術(shù)研究.doc
- 基于內(nèi)容語義的圖像檢索技術(shù)研究.pdf
- 基于內(nèi)容圖像檢索的相關(guān)技術(shù)研究.pdf
- 基于異構(gòu)特征融合的大規(guī)模圖像檢索研究.pdf
- 基于局部特征的大規(guī)模圖像檢索方法研究.pdf
- 基于內(nèi)容的圖像檢索的相關(guān)技術(shù)研究.pdf
- 基于內(nèi)容的服裝圖像檢索技術(shù)研究.pdf
- 基于內(nèi)容的SAR圖像檢索技術(shù)研究.pdf
- 基于內(nèi)容的醫(yī)學(xué)圖像檢索技術(shù)研究.pdf
評論
0/150
提交評論