• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Computational Intelligence for Multimedia Signal and Vision Processing, 2009. CIMSVP '09 >Relevance tuning in content-based retrieval of structurally-modeled images using Particle Swarm Optimization
【24h】

Relevance tuning in content-based retrieval of structurally-modeled images using Particle Swarm Optimization

机译：使用粒子群优化的基于内容的结构化图像检索中的相关性调整

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Similarity of images in content-based image retrieval (CBIR) is a subjective measure varying by the user, and requires tuning according to the user's preference. Another issue in CBIR is the need of partial image matching. Structural modeling of the images can be promising in finding a small query image within a large database image. In this work, a graph-based image modeling which assigns image regions to labeled nodes and their adjacency to weighted edges is used. Also, the image similarity measure is tuned according to the user's evaluation, by way of parameter selection using Particle Swarm Optimization (PSO)[1][2]. In the experiments, a small-scale CBIR system based on graph modeling of images was developed. Using the system, it was confirmed that images including the query image of different size and rotation angle could be successfully retrieved. Also, the user's preference in weighting the different aspects of similarity in the feedback information was found to be successfully incorporated in the retrieval after parameter optimization using PSO.
机译：基于内容的图像检索（CBIR）中图像的相似度是用户改变的主观度量，并且需要根据用户的偏好进行调整。 CBIR中的另一个问题是需要部分图像匹配。在大型数据库图像中找到小型查询图像时，可以对图像进行结构建模。在这项工作中，使用了基于图的图像建模，该图像建模将图像区域分配给标记的节点，并将它们的相邻性分配给加权的边缘。此外，通过使用粒子群优化（PSO）进行参数选择，可以根据用户的评估调整图像相似性度量[1] [2]。在实验中，开发了基于图像图形建模的小型CBIR系统。使用该系统，证实了可以成功检索包括不同大小和旋转角度的查询图像的图像。同样，在使用PSO进行参数优化后，用户在加权反馈信息的相似性的不同方面的偏好被成功地纳入了检索中。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号