提出问题:
1.在形状描述方面,现有轮廓特征描述算子无法有效量化相邻边界点间的关系,现有区域特征描述算子使用近似计算来降低计算复杂度,从而降低了区域特征描述的有效性,另外在特征匹配方面,现有方法取值欠合理性,影响检索结果。
2.在兴趣点分组的基础上构建局部颜色直方图时,图像中游离兴趣点的存在将使得兴趣点分组不均,而造成相似图像对应极为不同的局部颜色直方图,影响检索结果。
3.SVM的传统核函数不能解决现有问题,需要改写核函数。
解决问题:
1.商标图像检索为背景,基于外接圆采样的轮廓特征描述算子用来有效量化相邻边界点之间的关系,提出融合兴趣点及其空间分布信息的区域特征描述算子来保证在不提升计算复杂度的条件下有效表示形状区域特征。
2.数码相片检索作为应用背景,基于兴趣区域的检索方法和基于兴趣点最小覆盖圆的检索方法。这两种方法都是通过计算更为合理的兴趣点中心来解决游离兴趣点的问题;第二种方案是采用加权聚类方法来代替当前兴趣点的分组方法,由此得到基于兴趣点加权聚类的检索方法,该方法是在加权聚类算法基础上过对兴趣点进行分组来构建局部颜色直方图。
3.提出一种新型核函数。该核函数建立在一种包含邻接矩阵和局部组合特征在内的新型局部特征表示方法基础上,其计算结果能更准确地表示图像间的相似性。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。