本文關鍵詞：基于內容的大規(guī)模圖像檢索技術研究

  更多相關文章： 大規(guī)模圖像檢索 圖像描述符 殘差投影量化 二級鄰接圖 不完全檢索

【摘要】：隨著互聯網和數字成像設備的普及,積聚數字圖像的各種網絡社區(qū)得到了迅速發(fā)展,包含大量圖像的數據庫也隨之不斷出現,如何從這些海量圖像數據庫中快速檢索出滿足用戶需求的圖像已成為多媒體應用領域中一個重要的主題。為了實現精確而快速的圖像檢索,解決圖像檢索中的圖像內容精確表示,大規(guī)模檢索的存儲約束以及檢索效率等問題,從圖像描述符,近似最近鄰檢索以及高維向量索引等幾個方面進行了深入的研究。 針對全局描述符VLAD的區(qū)分度與存儲大小之間的矛盾,提出了一種增強的圖像描述符,其通過兩層視覺碼書來生成圖像的VLAD描述符,即圖像的局部特征的殘差向量基于細粒度的第二層視覺子碼書而產生,而殘差向量的累積基于粗粒度的第一層視覺子碼書。另外,針對圖像局部特征非均勻分布,對第二層視覺子碼書提出了優(yōu)化措施。實驗結果表明,兩層碼書及優(yōu)化策略能顯著提高固定大小的VLAD描述符的區(qū)分度。 針對在向量原始空間訓練量化器及向量量化編碼時間開銷過大的缺陷,設計了殘差投影量化器,并將其用于近似最近鄰檢索。殘差投影量化器由多階段子量化器組成,在每一個階段子量化器訓練過程中,借助主成分分析將高維向量投影到低維空間,并通過K均值聚類算法在低維空間生成子量化器的視覺碼書,量化產生的殘差則反投影到原始空間用于訓練下一階段子量化器。另外,以訓練階段和量化階段的總體誤差最小化為目標,提出了相應階段的優(yōu)化措施。查詢時,所采用的非對稱距離計算及查找表很好的滿足了大規(guī)模高維向量檢索的精度和效率需求。 為了提高檢索效率,提出了基于二級鄰接圖的索引結構。第一級鄰接圖反映的是轉換積量化器視覺碼書和數據庫向量的近鄰關系,用于快速生成查詢的近鄰種子,在第一級鄰接圖的生成過程中,采用逆向生成模式,即先將數據庫向量分配給轉換積量化器的多個最近鄰視覺碼字,然后,再為每個視覺碼字保留少數幾個最近鄰數據庫向量。第二級鄰接圖反映的是數據庫向量到自身的近鄰關系,用于近鄰傳遞,為了快速生成第二級鄰接圖,采用了一種基于劃分樹的鄰接圖近似構建算法�；� 二級鄰接圖進行查詢時,對于給定的查詢向量,先快速檢索到該查詢向量在轉換積量化器視覺碼書中的最近鄰視覺碼字,并基于第一級鄰接圖的鄰接關系快速生成查詢向量的最近鄰種子,對每一個最近鄰種r,基于第二級鄰接圖的鄰接關系實現近鄰傳遞,重復上述過程直到檢索到的最近鄰個數滿足指定的閾值為止�；诙夃徑訄D的不完全檢索很好的解決了大規(guī)模檢索的實時需求。 基于內容的大規(guī)模圖像檢索需要研究的問題還有很多。在圖像描述符方面,如何融合多種視覺特征用于生成圖像描述符以更好的表達圖像內容是需要進一步研究的問題。在快速最近鄰檢索方面,基于哈希的方法雖然速度較快但普遍精度較低,如何利用語義信息提高基于哈希的近似最近鄰檢索精度是另一個需要進一步研究的問題。
【關鍵詞】：大規(guī)模圖像檢索 圖像描述符 殘差投影量化 二級鄰接圖 不完全檢索
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-9
• 目錄9-11
• 1 緒論11-32
• 1.1 引言11
• 1.2 研究背景與意義11-12
• 1.3 國內外研究現狀12-28
• 1.4 主要研究工作及其創(chuàng)新點28-30
• 1.5 論文組織結構30-32
• 2 增強的圖像描述符32-48
• 2.1 問題分析32-33
• 2.2 VLAD圖像描述符33-35
• 2.3 增強的VLAD圖像描述符35-42
• 2.4 實驗結果及性能分析42-46
• 2.5 本章小結46-48
• 3 基于殘差投影量化的近似最近鄰檢索48-77
• 3.1 問題分析48-49
• 3.2 基于殘差投影量化的近似最近鄰檢索49-59
• 3.3 實驗結果及性能分析59-76
• 3.4 本章小結76-77
• 4 基于二級鄰接圖的不完全檢索77-111
• 4.1 問題分析77-78
• 4.2 二級鄰接圖及其構建78-95
• 4.3 基于二級鄰接圖的不完全檢索95-97
• 4.4 實驗結果及性能分析97-109
• 4.5 本章小結109-111
• 5 總結與展望111-114
• 5.1 研究總結111-112
• 5.2 存在不足112-113
• 5.3 研究展望113-114
• 致謝114-115
• 參考文獻115-127
• 附錄一 攻讀學位期間發(fā)表學術論文目錄127-128
• 附錄二 攻讀學位期間完成和參與的項目128

【相似文獻】

中國期刊全文數據庫 前10條

1 張桂榕;;反向最近鄰查詢研究綜述[J];電腦知識與技術;2011年28期

2 周屹;;不確定對象的反向最近鄰查詢研究[J];黑龍江工程學院學報(自然科學版);2012年04期

3 劉永山,薄樹奎,張強,郝忠孝;多對象的最近鄰查詢[J];計算機工程;2004年11期

4 郝忠孝;劉永山;;空間對象的反最近鄰查詢[J];計算機科學;2005年11期

5 王淼;郝忠孝;;不確定性對象的反向最近鄰查詢[J];計算機工程;2010年10期

6 張旭;何向南;金澈清;周傲英;;面向不確定圖的k最近鄰查詢[J];計算機研究與發(fā)展;2011年10期

7 楊澤雪;郝忠孝;;空間數據庫中的障礙反向最近鄰查詢[J];計算機工程與應用;2011年34期

8 王丹丹;郝忠孝;;道路網絡中的多類型K最近鄰查詢[J];計算機工程與應用;2012年03期

9 鄧瑾;周梅;;基于R樹及其變種的最近鄰查詢研究[J];現代計算機;2013年09期

10 朱婧;;平面中點對一般多邊形的最近鄰查詢研究[J];科技通報;2014年01期

中國重要會議論文全文數據庫 前10條

1 張曉峰;王麗珍;肖清;趙麗紅;;基于概念劃分的連續(xù)最近鄰查詢研究[A];NDBC2010第27屆中國數據庫學術會議論文集(B輯)[C];2010年

2 管猛;張剡;柏文陽;;基于地表的連續(xù)可見最近鄰查詢方法[A];NDBC2010第27屆中國數據庫學術會議論文集(B輯)[C];2010年

3 陳璐;高云君;柳晴;陳剛;;受限相互最近鄰查詢處理[A];第29屆中國數據庫學術會議論文集（B輯）（NDBC2012）[C];2012年

4 盛梅紅;沙朝鋒;宮學慶;嵇曉;周傲英;;道路網絡環(huán)境中的多對象最近鄰查詢[A];第二十三屆中國數據庫學術會議論文集（研究報告篇）[C];2006年

5 劉月清;章勇;;一種改進的動態(tài)最近鄰聚類算法[A];全國自動化新技術學術交流會會議論文集（一）[C];2005年

6 李傳文;谷峪;李芳芳;于戈;;一種障礙空間中不確定對象的連續(xù)最近鄰查詢方法[A];NDBC2010第27屆中國數據庫學術會議論文集A輯一[C];2010年

7 劉星毅;;基于歐式距離的最近鄰改進算法[A];廣西計算機學會2010年學術年會論文集[C];2010年

8 劉先康;梁菁;任杰;蔣光慶;;修正最近鄰模糊分類算法在艦船目標識別中的應用[A];全國第4屆信號和智能信息處理與應用學術會議論文集[C];2010年

9 劉俊嶺;孫煥良;;多維度量空間中發(fā)現相互kNN(英文)[A];NDBC2010第27屆中國數據庫學術會議論文集A輯二[C];2010年

10 余小高;;P2P環(huán)境中k最近鄰搜索算法研究[A];2009年全國開放式分布與并行計算機學術會議論文集(下冊)[C];2009年

中國博士學位論文全文數據庫 前8條

1 魏本昌;基于內容的大規(guī)模圖像檢索技術研究[D];華中科技大學;2015年

2 楊澤雪;空間連接及最近鄰變體查詢研究[D];哈爾濱理工大學;2014年

3 孫冬璞;時空數據庫多類型最近鄰查詢的研究[D];哈爾濱理工大學;2010年

4 王建峰;基于哈希的最近鄰查找[D];中國科學技術大學;2015年

5 張得天;時間依賴路網高效k最近鄰查詢混搭機制的研究[D];中國科學技術大學;2014年

6 杜欽生;高維空間的K最近鄰查詢及連接問題研究[D];吉林大學;2015年

7 張軍旗;支持最近鄰查找的高維空間索引[D];復旦大學;2007年

8 李艷紅;路網中移動對象最近鄰及反向最近鄰查詢處理研究[D];華中科技大學;2011年

中國碩士學位論文全文數據庫 前10條

1 楊根茂;基于哈希加速的近似最近鄰檢索算法研究[D];浙江大學;2015年

2 原s，

本文編號：932856