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),請進行舉報或認領
文檔簡介
1、詞包模型(BoW)在基于內(nèi)容的圖像檢索中扮演了一個重要的角色。盡管使用傳統(tǒng)的詞包模型已經(jīng)可以取得較好的檢索性能,但是由于量化誤差的存在及一些空間信息的缺失,導致大量局部特征的錯誤匹配,從而降低了圖像搜索的整體精度。為了降低量化誤差的影響,二進制嵌入方法被引入到BoW模型中。除了使用一個視覺詞來表示局部描述子,二進制嵌入方法還為每一個高維局部描述子產(chǎn)生一個精簡的二進制碼,從而顯著提高圖像檢索的性能。但是現(xiàn)存的嵌入方法實質(zhì)都是高維局部特征的
2、簡化,其只考慮了局部特征本身,而忽略了局部特征和其相鄰局部特征之間的空間關系。為了解決這個問題,本文提出三種輕量級的權(quán)重二進制碼嵌入方法來編碼局部特征和其鄰近局部特征之間的空間關系,具體研究工作如下:
(1)基于相鄰關鍵點內(nèi)容相似性空間嵌入(CSE)
為了綜合考慮每一個關鍵點與其鄰近關鍵點的內(nèi)容相似性和空間分布性,提出了一種基于內(nèi)容相似性的空間關系編碼方案。對圖像中的每一個關鍵點k,除了提取關鍵點k的特征信息,還考慮
3、關鍵點k在圖像中的空間分布,提取在空間域中與關鍵點k最為相近的M個關鍵點,以關鍵點k的方向為主方向,沿逆時針方向劃分為8個扇形區(qū)域,根據(jù)M個相鄰關鍵點在此八個區(qū)域上分布的有無情況,構(gòu)建八位二進制碼。
(2)基于相鄰關鍵點尺度相似性空間嵌入(SSE)
為了綜合考慮每一個關鍵點與其鄰近關鍵點的尺度相似性和空間分布性,提出了一種基于尺度相似性的空間關系編碼方案。對圖像中的每一個關鍵點k,提取在空間域中與關鍵點k最為相近的M
4、個關鍵點,以它與第M個關鍵點的空間距離為半徑,劃定一個圓形區(qū)域,在此圓形區(qū)域內(nèi)選取N個跟關鍵點k尺度最為相近的4個關鍵點為相鄰關鍵點。再把圓形區(qū)域均勻劃分成4個同心圓形區(qū)域,根據(jù)4個相鄰關鍵點在此4個圓形區(qū)域上分布的有無情況,構(gòu)建四位二進制碼。
(3)基于相鄰關鍵點位置相似性空間嵌入(LSE)
為了綜合考慮每一個關鍵點與其鄰近關鍵點的位置相似性和空間分布性,提出了一種位置相似性二進制碼嵌入方法。對關鍵點k,提取它的特
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于特征點空間關系的圖像檢索技術(shù)研究.pdf
- 基于空間關系的圖像檢索方法研究.pdf
- 基于空間關系的圖像檢索與分類研究.pdf
- 基于形狀和空間關系的圖像檢索方法研究.pdf
- 圖像檢索中空間關系技術(shù)的研究.pdf
- 基于特征點幾何關系的約束的近似圖像檢索.pdf
- 基于全局直方圖及其空間關系的圖像檢索技術(shù).pdf
- 基于興趣點的圖像檢索.pdf
- 基于顯著點和關鍵塊相結(jié)合的圖像檢索方法.pdf
- 基于興趣點的圖像檢索方法研究.pdf
- 基于對象類別與空間關系語義的圖像檢索應用研究.pdf
- 基于顏色與空間特征的圖像檢索研究.pdf
- 基于SIFT特征點提取的圖像檢索研究.pdf
- 基于關鍵點映射的全概率模型多示例圖像檢索方法.pdf
- 基于內(nèi)容的圖像檢索關鍵技術(shù)研究.pdf
- 基于內(nèi)容的圖像檢索若干關鍵問題研究.pdf
- 基于相鄰關系的GML空間離群數(shù)據(jù)挖掘算法研究.pdf
- 基于商空間的多粒度圖像檢索方法研究.pdf
- 基于顏色和空間特征的圖像檢索方法研究.pdf
- 基于內(nèi)容圖像檢索關鍵技術(shù)研究.pdf
評論
0/150
提交評論