基于局部特征的网络社区图像检索

发布时间：2024-05-20 22:29

　　目前,网络社区中,诸如图片、音视频等的多媒体数据急剧增长。网络社区中多媒体信息的管理对于信息获取、数据挖掘,以及网络交流环境的管理具有至关重要的作用。网络社区中的多媒体信息以图片为主,图像检索,不仅能从海量数据中快速定位所需要的图片,而且对于网络社区的内容管理,为营造一个干净健康的网络社区具有极大帮助。网络社区图像具有数据量大、内容复杂、检索需要快速、准确、全面的特点,这使得网络社区图像检索具有很大的困难。针对网络社区中存在的这些困难,本文研究网络社区中对大规模图像的快速高效检索,主要包括图像特征提取、特征聚合和快速准确检索。为了解决网络社区中图像舆情的多样性,致使图像内容较为丰富和复杂,对多种特征提取方法进行分析比较。并选择局部特征——SIFT作为图像内容表达,提取SIFT描述符之后,使用向量表示图片的内容特征。为了对图像的局部特征聚合为统一维度的向量,方便建立索引和查找,选择了局部聚合描述向量(Vectors of Locally Aggregated Descriptors,VLAD)对原始特征进行编码。为了实现大规模图像的快速检索、在存储空间和检索速度之间达到较好的平衡,选取了...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图２－２?ＣＢＩＲ系统结构图??２．２图像特征提取??

然后提取图像的特征，使用特征编码算法对特征进行编码。编码完成??之后。根据索引计算查询图像与相关图像的相似度，按照距离降序返回结果。??基于内容的图像检索系统检索流程如图２－１所示。??（数据库围像?）?（ｇｉ旬图像?）??ｔｓｓｉｓｉ?Ｉ?ｒａｓｈｔｉ???Ｉ???Ｉ???提取....

图２－３高斯金字塔??使用高斯差分（Ｄｉｆｆｅｒｅｎｃｅ?ｏｆ?Ｇａｕｓｓｉａｎ）尺度空间（ＤＯＧ?ｓｃａｌｅ－ｓｐａｃｅ）可以??

Ｇａｕｓｓｉａｎ?Ｇａｕｓｓｉａｎ?（ＤＯＧ）??图２－４?ＤＯＧ高斯差分金字塔??２．关键点精确定位??当一个像素点的值大于或小于与它所有的相邻点时，为极值点。关键点是尺??度空间中的极值点，为了找出这些点，对该点和它相邻的所有点比较值。比较范??围包括同一组的上下邻层及本层的....

图２－４?ＤＯＧ高斯差分金字塔??２．关键点精确定位??

?：?／??图２－３高斯金字塔??使用高斯差分（Ｄｉｆｆｅｒｅｎｃｅ?ｏｆ?Ｇａｕｓｓｉａｎ）尺度空间（ＤＯＧ?ｓｃａｌｅ－ｓｐａｃｅ）可以??使检测到的关键点更加稳定和有效，建立高斯差分金字塔，其中，每幅图片为??每组的上下相邻图片相减获得，这样可以使得检测到的点更加稳健。其中....

图２－５?ＤＯＧ空间极值检测??上述检测到的关键点还需要进行过滤，去除对比度较低的关键点，并确定??

?：?／??图２－３高斯金字塔??使用高斯差分（Ｄｉｆｆｅｒｅｎｃｅ?ｏｆ?Ｇａｕｓｓｉａｎ）尺度空间（ＤＯＧ?ｓｃａｌｅ－ｓｐａｃｅ）可以??使检测到的关键点更加稳定和有效，建立高斯差分金字塔，其中，每幅图片为??每组的上下相邻图片相减获得，这样可以使得检测到的点更加稳健。其中....

本文编号：3979216