Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
SemQuery: phân cụm và truy vấn ngữ nghĩa trên các đặc trưng không đồng nhất cho dữ liệu hình ảnh
Tóm tắt
Hiệu quả của việc truy xuất hình ảnh dựa trên nội dung có thể được nâng cao bằng cách sử dụng các đặc trưng không đồng nhất được nhúng trong các hình ảnh. Tuy nhiên, vì các đặc trưng về kết cấu, màu sắc và hình dạng được tạo ra bằng các phương pháp tính toán khác nhau và do đó có thể yêu cầu các phép đo độ tương đồng khác nhau, việc tích hợp các kết quả truy xuất dựa trên các đặc trưng không đồng nhất là một nhiệm vụ không đơn giản. Chúng tôi giới thiệu một phương pháp phân cụm và lập chỉ mục dựa trên ngữ nghĩa, được gọi là SemQuery, để hỗ trợ các truy vấn trực quan trên các đặc trưng không đồng nhất của hình ảnh. Sử dụng phương pháp này, các hình ảnh trong cơ sở dữ liệu được phân loại dựa trên các đặc trưng không đồng nhất của chúng. Mỗi cụm hình ảnh ngữ nghĩa chứa một tập hợp các tiểu cụm được đại diện bởi các đặc trưng không đồng nhất mà các hình ảnh chứa. Một hình ảnh được đưa vào một cụm ngữ nghĩa nếu nó nằm trong phạm vi của tất cả các cụm không đồng nhất của cụm ngữ nghĩa. Chúng tôi cũng thiết kế một mô hình mạng nơ-ron để gộp các kết quả của các truy vấn cơ bản trên các đặc trưng riêng lẻ. Một chiến lược xử lý truy vấn sau đó được trình bày để hỗ trợ các truy vấn trực quan trên các đặc trưng không đồng nhất. Một phân tích thực nghiệm được thực hiện và trình bày để chứng minh hiệu quả và hiệu suất của phương pháp được đề xuất.
Từ khóa
#Truy xuất hình ảnh #Dữ liệu hình ảnh #Cơ sở dữ liệu không gian #Cơ sở dữ liệu trực quan #Đo lường hình dạng #Truy xuất dựa trên nội dung #Lập chỉ mục #Truy xuất thông tin #Lịch sử phân phối #VectơTài liệu tham khảo
10.1145/290747.290749
sheikholeslami, 1998, : A Multi-Resolution Clustering Approach for Very Large Spatial Databases, Proc 24th VLDB Conf, 428
10.1109/MMCS.1999.779270
sheikholeslami, 1997, An Approach to Clustering Large Visual Databases Using Wavelet Transform, Proc SPIE Conf Visual Data Exploration and Analysis IV, 322
10.1145/267825.267841
sheikholeslami, 1998, : An Approach for Merging Heterogeneous Features in Content-Based Image Retrieval Systems, Multi-Media Database Management Systems 1998 Proceedings International Workshop on, 106, 10.1109/MMDBMS.1998.709516
sheikholeslami, 2000, : A Wavelet-Based Clustering Approach for Multidimensional Data in Very Large Databases, The VLDB J, 8, 289, 10.1007/s007780050009
10.1145/244130.244151
sheikholeslami, 1999, A Multi-Resolution Content-Based Retrieval System for Geographic Images, GoeInformatica An Int'l J Advances of Computer Science for Geographic Information Systems, 3, 109
10.1109/ICIP.1994.413817
bach, 1996, The Virage Image Search Engine: An Open Framework for Image Management, Proc SPIE Storage and Retrieval for Still Image and Video Databases IV, 76, 10.1117/12.234785
10.1109/TPAMI.1981.4767045
10.1145/93597.98741
10.1109/69.234774
cybenko, 1988, Continous Valued Neural Netwrks with Two Hidden Layers are Sufficient
10.1109/TPAMI.1983.4767341
dougherty, 1989, Texture-Based Segmentation by Morphological Granulometrics, Advanced Printing of Paper Summaries Electronic Imaging '89, 1, 408
10.1007/BF02551274
ester, 1996, A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise, Proc Second Int'l Conf KDD, 226
minka, 1995, Interactive Learning Using a 'Society of Models
minka, 1996, An Image Database Browser that Learns from User Interaction
mokhtarian, 1996, Efficient and Robust Retrieval by Shape Content through Curvature Scale Space, Proc Int'l Workshop Image DataBases and MultiMedia Search, 35
10.5244/C.10.33
10.1109/TKDE.2002.1033770
10.1145/244130.244148
pauwels, 1997, DOG-Based Unsupervized Clustering for CBIR, Proc Second Int'l Conf Visual Information Systems, 13
pentland, 1994, Photobook: Tools for Content-Based Manipulation of Image Databases, Proc SPIE Conf Storage and Retrieval of Image and Video Databases II, 34, 10.1117/12.171786
10.1147/sj.353.0292
safar, 2000, Image Retrieval by Shape: A Comparative Study, Proc IEEE Int'l Conf Multimedia and Exposition (ICME), 10.1109/ICME.2000.869564
10.1109/2.410154
10.1109/34.531803
mandelbrot, 1977, FractalsForm Chance Dimension
10.1109/ICIP.1997.647976
lowe, 1985, Perceptual Organization and Visual Recognition, 10.1007/978-1-4613-2551-2
10.1109/34.506794
korn, 1996, Fast Nearest-Neighbor Search in Medical Image Databases, Proc Conf Very Large Data Bases (VLDB '96)
zurada, 1992, Introduction to Artificial Neural Systems
kaufman, 1990, Finding Groups in Data An Introduction to Cluster Analysis
fries, 1981, Texture Discrimination Based upon an Assumed Stochastic Texture Model, IEEE Trans Pattern Analysis and Machine Intelligence, 3, 557
10.1016/0893-6080(89)90020-8
hirata, 1993, Rough Sketch-Based Image Information Retrieval, NEC Research & Development, 34, 263
klaus, 1988, Robot Vision
gordon, 1981, Classification Methods for the Exploratory Analysis of Multivariate Data
10.1145/244130.244151
furht, 1996, Video and Image Processing in Multimedia Systems
10.1109/TGRS.1986.289620
10.1007/BF00130487
10.1145/971697.602266
tao, 1999, Delaunay Triangulation for Image Object Indexing: A Novel Method for Shape Representation, Proc Seventh SPIE Symp Storage and Retrieval for Image and Video Databases, 631
1995, Computer
10.1006/jcss.1998.1600
10.1145/275487.275488
10.1109/2.410146
10.1007/BF00962238
white, 1996, Algorithms and Strategies for Similarity Retrieval
zhang, 1996, BIRCH: An Efficient Data Clustering Method for Very Large Databases, Proc 1996 ACM SIGMOD Int'l Conf Management of Data, 103
10.1109/MMCS.1997.609755
10.1109/IVL.1998.694497
10.1145/330560.330912
wang, 1997, STING: A Statistical Information Grid Approach to Spatial Data Mining, Proc 23rd VLDB Conf, 186