Науковий вісник НГУ

Метод пошуку та семантичного відбору зображень за областю зображення, що представляє інтерес

Рейтинг користувача:  / 0

Деталі

Категорія: IT-технології

Останнє оновлення: Вівторок, 09 лютого 2016, 22:40

Опубліковано: Вівторок, 09 лютого 2016, 22:40

Перегляди: 3439

Автори:

Гунвень Сюй, Шаньдунський університет будівництва та архітектури, м. Цзінань, провінція Шаньдун, КНР

Сяомей Лі, Шаньдунський університет, м. Цзінань, провінція Шаньдун, КНР

Цзянь Лей, Дун’їнська філія Шаньдунського інституту технічного контролю спецприладів, м. Дун’їн, провінція Шаньдун, КНР

Хунлань Чжоу, Дун’їнська філія Шаньдунського інституту технічного контролю спецприладів, м. Дун’їн, провінція Шаньдун, КНР

Реферат:

Мета. Для підвищення показників точності та повноти пошуку зображень, у статті запропонований новий метод пошуку зображень. Він ґрунтується на тому, що окремі частини зображення по-різному піддаються пізнанню, їх вклад у результативність пошуку різний. Для підвищення ефективності пошуку й семантичного відбору використаний метод пошуку за областю зображення, що представляє інтерес.

Методика. На основі області зображення, що представляє інтерес, отриманий семантичний діапазон класу у признаковому просторі за допомогою алгоритму наполовину керованого навчання. Семантичний діапазон класу являє собою відповідність зображення та класу. Беручи до уваги відмінності елементів зображення, обиралася найбільш відповідна міра відстані.

Результати. У зображенні область, що представляє інтерес, виділялася за допомогою покращеного детектора Харріса та видалення несуттєвих елементів зображення. Для наполовину керованого навчання використовувалася база характерних ознак для зіставлення зображень і семантичних класів, що ітераційно оновлюються за допомогою релевантного зворотного зв'язку.

Наукова новизна. Вивчена відповідність між областями зображень, що представляють інтерес, і назвами класів. Використовувалися дві міри відстані для обчислення схожості між різними елементами. Семантичний відбір удосконалюється в оперативному порядку. У дослідженні запропонована нова універсальна система пошуку зображень.

Практична значимість. Проаналізовані різні потреби користувачів, експерименти дали гарний результат. У порівняні з іншими методами, запропонований метод пошуку зображень за областю, що представляє інтерес, є швидшим і ефективнішим.

Список літератури / References:

1. Kakade, S.R. and Kakade, N.R. (2013), “A Novel Approach to Link Semantic Gap between Images and Tags via Probabilistic Ranking”, In Computational Intelligence and Computing Research (ICCIC), IEEE International Conference on, 2013 IEEE, pp. 1−6.

2. Kavitha, C., Rao, D.B.P. and Govardhan, D.A. (2011), “Image Retrieval based on Color and Texture Features of the Image Sub-blocks”, International Journal of Computer Applications, vol. 15, no.7, pp. 33−37.

3. Stöttinger, J., Hanbury, A., Sebe, N. and Gevers, T. (2012), “Sparse Color Interest Points for Image Retrieval and Object Categorization”, Image Processing, IEEE Transactions on, vol. 21, no.5, pp. 2681−2692.

4. Akgül, C.B., Rubin, D.L., Napel, S., Beaulieu, C.F., Greenspan, H., and Acar, B. (2011), “Content-based Image Retrieval in Radiology: Current Status and Future Directions”, Journal of Digital Imaging, vol. 24, no.2, pp. 208− 222.

5. Xu, B., Li, Z. and Xie, S. (2013), “Rotation Invariant Texture Image Retrieval Based on Log-Polar and NSCT”, IEEE Communications Letters, vol. 72, no.46, pp.41−53.

6. Misra, I., Moorthi, S.M., Dhar, D. and Ramakrishnan, R.(2012), “An Automatic Satellite Image Registration Technique based on Harris Corner Detection and Random Sample Consensus (RANSAC) Outlier Rejection Model", In Recent Advances in Information Technology (RAIT), 2012 1st Internatinal Conference on, 2012,IEEE, pp.68−73.

7. Reddy, P., Reddy, A. and Devi, K. (2012), “HSV Color Histogram and Directional Binary Wavelet Patterns for Content based Image Retrieval”, International Journal on Computer Science and Engineering , vol. 4, no.08, pp. 1402 −1411.

8. Singha, M. and Hemachandran, K. (2012), “Content based Image Retrieval Using Color and Texture”, Signal &Image Processing: An International Journal (SIPIJ), vol. 3, no.1, pp. 39−57.

9. Liu, G.H. and Yang, J.Y. (2013), “Content-based image retrieval using color difference histogram”, Pattern Recognition, vol. 46, no.1, pp. 188−198.

10. Wang, X. and Wang, Z. (2013), “A Novel Method for Image Retrieval based on Structure Elements’ Descriptor”, Joural of Visual Communication and Image Representation, vol. 24, no.1, pp. 63−74.

2015_06_xu
2016-02-08  851.97 KB  826

• < Попередня
• Наступна >