免费论文摘要：鉴于Bag of Features 模子的图像检索本领接洽

图像探求动作向用户供给灵验图像探求效劳的东西具备要害运用价格。然而跟着计划机搜集遍及寰球，搜集图片数目也正在体验着爆裂式的延长。这就对保守的图像检索和处置提出了宏大的挑拨。怎样灵验地对洪量图片举行检索已变成消息检索接洽职员和各贸易探求效劳供给商关怀的要害接洽课题。正文开始归纳古人对图像检索的接洽，而后辨别对图像检索模子和图像特性索取举行接洽。舆论的重要处事如次：正文提出了一种鉴于特性包（Bag-of-Features, BoF）模子、运用标准静止特性变幻（SIFT）及限制二值模子（LBP）以及目标梯度直方图（HOG）融洽特性的图像检索体例。正文初次将特性包模子引入图像检索，并运用所提出的SIFT-LBP融洽特性，SIFT-HOG融洽特性，在图像后台比拟搀杂、生存较多噪声或主体实物不鲜明的情景下，索取图像视觉消息，赢得了很好的图像检索功效。对准Bag-of-Features模子，正文提出了两种特性融洽本领：鉴于地区的融洽和鉴于图像的融洽。在试验接洽局部，提出了一种加权K均值聚类本领，运用于鉴于图像的SIFT-LBP融洽特性，使所有体例在暂时时髦的图像检索数据会合，比拟现有本领赢得了更好的图像检索功效。经过直方图订交的一致度配合本领，本安排在Corel数据集少许类型上赢得了暂时最高的检索率，如鱼龙检索率到达98%，公共汽车检索率到达93%，以及花检索率到达83%等。同声，在鉴于特性包（Bag-of-Features, BoF）模子普通上，做了少许矫正，正文又提出特性包模子和空间金字塔相贯串的办法举行图像检索，此办法从实质上处置了特性包模子未商量特性在空间中场所的题目，博得了对立较好的试验截止。同声正文抽象的引见了鉴于图像高层表白办法—Object Bank(OB)举行图像检索的本领，即把每幅图像表白为在之前演练好的物体检验和测定器上的散布。开始用隐扶助向量机（LSVM）物体检验和测定器和纹理分门别类器演练出各别物体检验和测定器，而后用每一幅图和各个物体检验和测定器在各别标准，各别空间下举行卷积，而后得出对应的向量表白。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/201058.html