• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of electronic imaging >Fast indexing and searching strategies for feature-based image database systems
【24h】

Fast indexing and searching strategies for feature-based image database systems

机译：基于特征的图像数据库系统的快速索引和搜索策略

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

Because visual data require a large amount of memory and computing power for storage and processing, it is greatly desired to efficiently index and retrieve the visual information from image database systems. We propose efficient indexing and searching strategies for feature-based image database systems, in which uncompressed and compressed domain image features are employed. Each query or stored image is represented by a set of features extracted from the image. The weighted square sum error distance is employed to evaluate the ranks of retrieved images. Many fast clustering and searching techniques exist for the square sum error distance used in vector quantization (VQ), in which different features have identical weighting coefficients. In practice, different features may have different dynamic ranges and different importances, i.e., different features may have different weighting coefficients. We derive a set of inequalities based on the weighted square sum error distance and employ it to speed up the indexing (clustering) and searching procedures for feature-based image database systems. Good simulation results show the feasibility of the proposed approaches.
机译：因为视觉数据需要大量的存储器和计算能力用于存储和处理，所以非常需要从图像数据库系统有效地索引和检索视觉信息。我们提出了基于特征的图像数据库系统的有效索引和搜索策略，其中采用了未压缩和压缩域图像特征。每个查询或存储的图像都由从图像中提取的一组特征表示。加权平方和误差距离用于评估检索图像的等级。对于矢量量化（VQ）中使用的平方和误差距离，存在许多快速的聚类和搜索技术，其中不同的特征具有相同的加权系数。实际上，不同的特征可以具有不同的动态范围和不同的重要性，即，不同的特征可以具有不同的加权系数。我们基于加权平方和误差距离得出一组不等式，并使用它来加快基于特征的图像数据库系统的索引（聚类）和搜索过程。良好的仿真结果表明了该方法的可行性。

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