【摘 要】
:
近年来,智能手机和平板电脑等移动智能终端发展迅猛,尤其是其在多媒体处理上的能力也得到了极大地提升,这为移动图像检索提供了一个合适的平台。所谓的移动图像检索就是由移
论文部分内容阅读
近年来,智能手机和平板电脑等移动智能终端发展迅猛,尤其是其在多媒体处理上的能力也得到了极大地提升,这为移动图像检索提供了一个合适的平台。所谓的移动图像检索就是由移动终端拍摄图像,然后将图像信息通过无线网络传输至服务器端,最后由服务器端在数据库中进行检索并将照片相关的信息反馈至移动终端。在此过程中,由于受网络带宽的限制,如何降低检索时延仍是业界的一大挑战,本研究将针对这一问题进行开展。为此,本文提出了基于哈希方法的移动图像检索模型来实现检索时延的降低。即在移动端将查询图像哈希映射成一组二值化的哈希码;然后根据本文提出的基于哈希码和IDF权值的渐进式传输策略,计算哈希码的DF权值并按权值高低划分传输优先级,将优先级高的哈希码优先传输至服务器端进行检索;当一些优先的哈希码到达服务器时,服务器便开始匹配,当匹配出正确的相关图片时,则停止数据的传输;最后匹配出的相关结果将通过网络反馈至移动端。同时为了提高检索的准确率,本文提出了一种新型的加权多哈希表机制,即通过原始特征点的几何特性计算哈希码各个维度的权重,选取一些权重相对高的维度作为哈希子集,形成多哈希表进行检索,将检索出的结果反馈至移动端。本文通过Stanford大学测试数据库中图像检索实验来评估上述系统的性能,大量实验结果表明,对比其他策略,本文所提出的基于哈希方法的渐进传输策略以及加权的多哈希表机制均具有更高的识别率,同时,本文所提出的基于哈希方法的渐进传输策略降低了检索时延。
其他文献
医学图像非刚性配准在临床诊断、放射治疗规划、图像引导手术、疗效评价等方面具有重要的应用价值,已经成医学图像研究领域热门专题之一。基于B样条的配准是一种常见的非刚性
该文研究了群体智能的多个模型,并将相关模型应用于知识发现.该文的研究目的,一方面是探索和验证群体智能在解决分布式问题方面的特性,另一方面拓展群体智能的应用领域,促进
计算机与通讯技术的飞速发展迫切需要有效的分类方法对信息资源进行分类,而传统的分类方法又存在着费时费力等缺点,这就使得文本的自动分类越来越受人们的重视,支持向量机和
随着云计算受到各界的关注,云计算所提供的云服务数量与种类也随之增加,如何快速发现用户所需要的云服务成为云计算领域中待解决的关键问题。传统的云服务发现方法是以关键字
在传统的机器学习分类方法中,将只通过未标记样本进行分类的方法称为无监督分类,如聚类方法,无监督分类方法所取得的分类精度通常难以达标;将利用有标记样本集训练分类器的方法称
代理签名方案可以实现代理签名人帮助原始签名人生成有效代理签名。然而,当代理签名人的代理签名密钥被泄露后,这些方案不能对签名数据提供任何安全保护。因为,如果一个攻击
毕业设计是高等学校人才培养过程中不可或缺的重要环节。但目前毕业设计过程管理的各环节却存在着一些问题,如毕业设计过程缺乏清晰的流程控制、学生在选导师和论文题目等方
本体作为一种能在语义和知识层次上描述信息系统的概念模型建模工具,在知识工程领域得到了广泛的应用,有效的解决了知识工程发展过程中的两大障碍:知识的重用和知识的共享。
超点是指在一个测量周期内基数超过指定阈值的源主机或目的主机,它反映网络中端到端应用的问题,是评价网络性能的一个非常重要的指标。随着互联网的发展,网络入侵事件也频繁