• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Multimedia Information Retrieval >An efficient framework for location-based scene matching in image databases
【24h】

An efficient framework for location-based scene matching in image databases

机译：用于图像数据库中基于位置的场景匹配的有效框架

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

SIFT-based methods have been widely used for scene matching of photos taken at particular locations or places of interest. These methods are typically very time consuming due to the large number and high dimensionality of features used, making them unfeasible for use in consumer image collections containing a large number of images where computational power is limited and a fast response is desired. Considerable computational savings can be realized if images containing signature elements of particular locations can be automatically identified from the large number of images and only these representative images used for scene matching. We propose an efficient framework incorporating a set of discriminative image features that effectively enables us to select representative images for fast location-based scene matching. These image features are used for classifying images into good or bad candidates for scene matching, using different classification approaches. Furthermore, the image features created from our framework can facilitate the process of using sub-images for location-based scene matching with SIFT features. The experimental results demonstrate the effectiveness of our approach compared with the traditional SIFT-, PCA-SIFT-, and SURF-based approaches by reducing the computational time by an order of magnitude.
机译：基于SIFT的方法已广泛用于在特定位置或感兴趣的地方拍摄的照片的场景匹配。由于所使用的特征的数量大和维数大，这些方法通常非常耗时，从而使得它们不适用于包含大量图像的消费者图像集合，其中计算能力受到限制并且需要快速响应。如果可以从大量图像中自动识别包含特定位置的签名元素的图像，并且仅将这些代表性图像用于场景匹配，则可以节省大量计算量。我们提出了一个有效的框架，该框架结合了一组判别性图像功能，可以有效地使我们选择具有代表性的图像，以快速进行基于位置的场景匹配。这些图像特征用于使用不同的分类方法将图像分类为场景匹配的好坏候选。此外，从我们的框架创建的图像特征可以促进使用子图像进行SIFT特征与基于位置的场景匹配的过程。实验结果表明，与传统的基于SIFT，PCA-SIFT和SURF的方法相比，我们的方法有效，其计算时间减少了一个数量级。

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