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(lǐng)
文檔簡介
1、隨著計算機技術(shù)的研究和發(fā)展,圖像數(shù)據(jù)庫正在許多領(lǐng)域得到了越來越多的應用。基于內(nèi)容的圖像檢索應用也成為了近年來的研究熱點之一。目前,基于內(nèi)容的圖像檢索主要著眼于對視覺特征的匹配。由于視覺特征的高維性質(zhì),高維數(shù)據(jù)的索引機制是在大規(guī)模圖像數(shù)據(jù)庫上實現(xiàn)基于內(nèi)容檢索的關(guān)鍵技術(shù)。面對“維度災難”帶來的影響,如何建立快速、高效的高維特征索引,是當前面臨的巨大挑戰(zhàn)。本文主要針對多維模型進行了研究,在分析了當前流行的多維索引方法之后,提出了一種基于特征驅(qū)
2、動和數(shù)據(jù)驅(qū)動的混合索引模型,并且提出了圖像特征向量匹配的空間約束條件以進一步改善圖像檢索的精確度。
傳統(tǒng)的多維索引方法可以分為兩類,基于特征驅(qū)動和基于數(shù)據(jù)驅(qū)動?;谔卣黩?qū)動的方法采用選取特征向量,對特征空間進行劃分的索引方法。等問題。而基于數(shù)據(jù)驅(qū)動的方法采用數(shù)據(jù)聚類,對特征空間進行分類。當前流行的詞匯樹模型,就是基于數(shù)據(jù)驅(qū)動方法的代表。本文在分析了兩類方法的優(yōu)缺點后,提出了將特征驅(qū)動的方法(K-D森林)引入詞匯樹模型的混合模型
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
- 大規(guī)模人臉圖像數(shù)據(jù)庫索引技術(shù)的研究.pdf
- 大規(guī)模圖像庫的高維索引技術(shù)研究.pdf
- 基于內(nèi)容檢索的圖像數(shù)據(jù)庫多維索引技術(shù)研究.pdf
- 大規(guī)模數(shù)據(jù)庫中的關(guān)聯(lián)規(guī)則開采.pdf
- 大規(guī)模圖數(shù)據(jù)庫上的模式匹配.pdf
- 基于圖的大規(guī)模特征庫高維索引技術(shù)研究.pdf
- 視頻數(shù)據(jù)庫多維索引結(jié)構(gòu)的研究與實現(xiàn).pdf
- 基于大規(guī)模數(shù)據(jù)庫的人臉識別研究.pdf
- 大規(guī)模數(shù)據(jù)庫關(guān)聯(lián)規(guī)則挖掘算法研究.pdf
- 基于大規(guī)模數(shù)據(jù)庫的多級指紋分類研究.pdf
- 高維索引技術(shù)及其在醫(yī)學圖像數(shù)據(jù)庫中的應用.pdf
- 大規(guī)模圖像數(shù)據(jù)中相似圖像的快速搜索.pdf
- 時空數(shù)據(jù)庫索引研究.pdf
- 數(shù)據(jù)庫中基于多索引段的全文索引研究.pdf
- 存取數(shù)據(jù)庫中的圖像
- 大規(guī)模圖像檢索中高維索引技術(shù)研究.pdf
- 數(shù)據(jù)庫檢索指南 sci,istp引文索引數(shù)據(jù)庫
- 木材細胞圖像特征提取及圖像數(shù)據(jù)庫的研究.pdf
- HBase數(shù)據(jù)庫的安全索引研究.pdf
- 生物特征識別常用模態(tài)評測數(shù)據(jù)庫規(guī)模
評論
0/150
提交評論