图像检索SVM用户反馈处理

2014-06-17
阅读 1 分钟
3.6k
提出问题:因为在基于内容的图像检索中存在"语义鸿沟"问题,该问题使得图像视觉特征间的相似性并不完全等同于图像内容间的相似性。为解决"语义鸿沟"问题,用户反馈机制常常被引入到图像检索中。

局部颜色直方图

2014-06-09
阅读 1 分钟
3.8k
对于形状特征复杂的图像,颜色特征是不二人选,而全局颜色直方图忽略了局部信息,效果不行,重点研究如何合理地构建局部颜色直方图。 而局部颜色直方图针对现有方法存在的主要问题就是游离兴趣点的问题,给出两种方法抑制游离兴趣点对方法的影响: 1.改变兴趣点中心的计算方式(兴趣区域分割方式),通俗来讲是以一种机...

新的特征匹配方法

2014-06-06
阅读 1 分钟
2.5k
轮廓特征描述子 和 区域特征描述子 一起使用时,特征匹配策略包含两部分类容: 1.计算局部特征差异性:分别在轮廓特征描述子和区域特征描述子各计算差异性 2.使用训练所得的调整值对局部差异性进行修正(说穿了就是差异性+调整值) 3.将两种局部差异性进行有效的整合来得到图像间整体的差异性。

新的形状描述方法

2014-06-05
阅读 1 分钟
3.4k
新的形状描述方法 A.基于外接圆采样特征的轮廓特征描述算子(边界质心距直方图 + 外接圆采样三角形半径直方图) 步骤: 1.找出图形边界点,从而求出质心. 2.求各边界点到质心的距离,归一化,10等分,构建质心距离直方图。(量化) 3.对边界点进行采样,按照参数等距选取一些边界采样点,然后将每两个采样点加上质心构成一...

形状特征描述

2014-06-04
阅读 1 分钟
3.7k
代表性工作(背景): 1.基于权重的检索方案 表示:边缘方向和不变矩 检索:基于权重的特征匹配策略 2.基于 “两组件”的检索方案 表示:质心距离,轮廓曲率,Zernike矩 检索:“两组件”特征匹配策略 3.新的 轮廓表示:轮廓特征描述子不再简单的对边界点和质心间的关系进行量化,引入基于外接圆采样的特征 将两相邻边界点与...

再读《基于内容图像...》

2014-06-04
阅读 1 分钟
2.3k
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...

基于语义学习的检索

2014-06-03
阅读 1 分钟
3.4k
反馈机制 由来:早期研究中,基于内容的图像检索往往仅仅是视为基于视觉特征的检索,其中图像内容用视觉特征来表示,图像见的相似程度由视觉特征间的匹配程度来表示。然而随着进一步的研究发现,仅仅依赖于视觉特征的图像检索,其结果很难令人满意,因为存在“语义鸿沟”(即是底层的视觉特征和上层的语义特征之间存在断层...

视觉特征提取研究现状(二)

2014-06-03
阅读 1 分钟
5.3k
通过分析所获得的纹理特征一般用来刻画图像中领域像素的灰度分布(不太懂,先建立概念)。当前纹理特征的提取方法可以分为四类:基于统计的方法,频谱,结构,模型

特征提取研究现状

2014-05-30
阅读 1 分钟
5.1k
1.颜色特征:对各个像素点颜色进行统计形成颜色直方图。不同在于:(全局)用直方图的交、二次距离、聚类成平均色值和主色值、HSV色彩空间、模糊颜色等。(为了更精确,提出局部):局部颜色直方图、分块颜色矩等、颜色特征的词袋模型等。 2.形状特征:分为轮廓特征和区域特征。基于轮廓特征:从形状边界点抽取的特征包...

图像检索论文现状

2014-05-30
阅读 1 分钟
3.9k
在知网上下载了14年的图像检索论文,做了粗略统计,大致可分为3类 firstly,是基于内容的图像检索的综述,这类大致占所有论文的20%,内容主要是对CBIR 的介绍,看了一篇,阐明了现在CBIR系统一般大致分为两部分,建立索引(图像的建模,预处理,特征提取),查找索引(以图找图,特征提取,特征匹配),其中主要算法研究...

MongoDB第一发:简介,CRUD,设计。(上)

2014-04-15
阅读 3 分钟
3.8k
1.mongoDB是非关系型(nosql)的数据库。 2.mongoDB是无模式(schemaless)的数据库,每个文档都有他自己的模式。 3.mongoDB是面向集合(collection)的数据库,它集成高扩展性和高性能于一身。 4.mongoDB不存在collection和collection之间 的join和transaction操作。 5.mongoDB通过mongo Shell展示给用户的数据格式是JS...