《基于联盟的图像检索优化方法研究与实现》由会员分享，可在线阅读，更多相关《基于联盟的图像检索优化方法研究与实现（54页珍藏版）》请在金锄头文库上搜索。
1、华中科技大学 硕士学位论文 基于联盟的图像检索优化方法研究与实现 姓名：唐洁 申请学位级别：硕士 专业：计算机应用技术 指导教师：王天江 20080605 I 华 中 科 技 大 学 硕 士 学 位 论 文 摘 要 随着大规模数字图像库的出现，传统的依赖于人工标注进行的基于文本的图像 检索技术已经无法满足用户日益增长的要求，基于内容的图像检索技术 (Content- based image retrieval CBIR) 便应运而生。CBIR 的一般做法是提取图像的 某些特征，构成其特征向量，为方便检索，对特征空间建立索引。现在已有一些不 同的建立索引的方法，CM- tree（度量聚类树）是一
2、种较新的方法。 CM- tree 节点中保存了聚类半径及聚类之间距离表，基于度量空间聚类的范围 查询算法利用距离表的信息，根据三角不等式减少距离计算的次数，加快检索的时 间。在处理单个的、小数据量的查询检索上，基于度量聚类检索具有一定的优势。 但是用户在一段时间内提交的查询是具有相当的关联性的，或者极端的来说是重复 性的，如果仍然使用常规的检索方式对度量聚类索引树进行检索，毫无疑问的会多 做许多重复的工作，如对同一张图片进行多次检索，或者对关联性相关很大的图片 也是进行多次的检索。基于联盟对度量聚类检索的优化方法可以解决上述问题。 联盟即主查询和被邀请查询经过一系列的规则所形成的复合查询的技术
3、手段。 联盟的应用层次就在度量聚类树根节点下的第一层导航节点上，在此层次上，主查 询在不同的导航节点上分别和被邀请查询根据一定的规则进行联盟操作，并创建复 合查询，对复合查询进行相应节点上的检索。同时，在主查询和被邀请查询相应的 属性中保留在该节点上的联盟信息，被邀请节点在下一次查询的过程中就不需要对 有联盟信息的节点上进行检索，此操作可避免重复查询，减少查询的次数，提高查 询的效率。基于联盟对度量聚类检索优化，主要在批量数据、实时查询的背景下应 用，实验表明了采用联盟的技术能有效地提高查询的效率，减少重复查询的次数。 关键词：图像检索; 度量聚类; 优化算法; 联盟 II 华 中 科 技 大
4、 学 硕 士 学 位 论 文 Abstract With the emergence of the large- scale digital image database, the traditional reliance on artificial mark the text- based image retrieval technology has been unable to meet the growing requirements of users, so content- based image retrieval technology (Content- based image
5、retrieval CBIR) appears. Generally, CBIR extracts certain features of images; its characteristics pose a vector, to facilitate the retrieval of the feature space index. Now there are different ways of indexing, CM- tree (clustered metric tree) is a relatively new approach. The nodes of CM- tree pres
6、erve the clustered radius and the distance tables of clusters, the range query algorithm based on clustered metric speed up the retrieval time by using the distance tables information, according to the number of calculation reduced by the triangle inequality. The retrieval based on clustered metric
7、have certain advantages when dealing with single query and query of small amount data. However, the queries submitted by users in a certain period of time have considerable relevance, extremely, they re repetitive. Much have to be done if conventional retrieval method is still adopted, such as retri
8、eval a same picture repeatedly, or retrieval quite related pictures for many times. The optimization method of clustered metric based on coalition can solve the above problem. Coalition is a technical means that a main query and certain invited queries form a new compound query by using some rules.
9、The application layer of coalition is under the root node, the main query invites other queries and conduct coalition operations with certain rules in different navigation nodes of the level, then create a new compound query and retrieval it in the corresponding navigation node. At the same time, th
10、e attributes in the main query and the invited queries keep the coalition information, the invited queries need not retrieval in the nodes which keep the coalition information during the next retrieval process, and the operations can avoid retrieving repeatedly, reduce the retrieval times, so it can
11、 improve the efficiency of retrieval. The optimization for clustered metric retrieval based on coalition mainly used in the condition of real- time III 华 中 科 技 大 学 硕 士 学 位 论 文 query context. The experiment proved that the usage of technology can greatly improve the efficiency of retrieval. Key words
12、： Image retrieval; Clustered metric; Optimization algorithm; Coalition 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在 文中以明确方式标明。本人完全意识到，本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权 保留并向国家有关部门或机构送
13、交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密 ，在_年解密后适用本授权书。 不保密。 (请在以上方框内打“”) 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 本论文属于 1 华 中 科 技 大 学 硕 士 学 位 论 文 1 绪 论 本章主要介绍课题的研究背景及意义，分析了当前基于内容图像检索系统的研 究现状，阐述自己的主要研究工作，并介绍了章节安排。 1.1 课题背景 随着多媒体技术、网络技术的飞速发展，各种各样的信息爆
14、炸式的增长，导致 人们对信息检索的要求越来越迫切。而在诸多的多媒体信息中，视频图像信息占据 了很大的一部分， 为了使这些庞杂的图像中所包含的信息被有效的访问和利用, 必然 需要一种能够快速而且准确的查找访问图像的技术，即图像的检索技术，与此同时， 随着大规模数字图像库的出现，传统的依赖于人工标注进行的基于文本的图像检索 技术已经无法满足用户日益增长的要求，基于内容的图像检索技术(Content- based image retrieval CBIR) 便应运而生。 CBIR 的一般做法是先提取出图像的特征建立特征数据库，这样就把图像库中的 一个实例转化成了高维向量空间中的一个点，即特征向量。由
15、于图像特征一般都是 高维的矢量数据，所以对图像基于内容的相似检索就转化为对特征数据库中高维数 据的近邻检索。对于大规模的图像数据库而言，其特征数据库也是大规模的。因此 传统的顺序扫描方式必然满足不了用户的检索要求，这就迫切需要有合适的索引机 制来辅助、加速检索的进程1。 1.2 基于内容图像检索的研究概况 近 10 年来，基于内容的图像检索已发展到几十种2，其中国外的 CBIR 广为人 知的有以下四种： (1) QBIC(Query By Image Content)：IBM 公司 90 年代开发制作的图像和动态景 象检索系统，是第一个基于内容的商业化的图像检索系统。QBIC 系统提供了多种的
16、 查询方式，可以利用标准范图检索，用户绘制简图或扫描输入图像进行检索，选择 色彩或结构查询方式，用户输入动态影像片段和前景中运动的对象检索。QBIC 对输 2 华 中 科 技 大 学 硕 士 学 位 论 文 入的查询图像进行颜色、纹理、形状等特征进行分析和抽取，然后根据用户选择的 查询方式分别进行不同的处理3 4。 (2) Virage：Virage 有限公司开发的基于内容的图像检索引擎，同 QBIC 系统一 样，它也支持基于色彩、颜色布局、纹理和结构等视觉特征的图像检索。Jerry 等人 还进一步提出了图像管理的一个开放式框架，将视觉特征分为通用特征（如颜色、 纹理和形状）和领域相关特征（如用于人脸识别和癌细胞检测等）两类。 Virage 公司的 VIR（Visual Information Retrieval）图像引擎提供了四种可视属性 检索（颜色、成分、纹理和形状）。每种属性被赋予 0 到 10 的权值。通过颜色特性 检索是最简单明了的，该软件对选出的基础图像的色调、色彩以及饱和
