用Java实现分布式基于内容的Web图像检索系统

给出了一个分布式基于内容的Web图像检索系统的模型 ,并给出了用Java技术实现的方案 .介绍了系统的体系结构和各功能模块 ,以及使用的JSP、Servlet、JavaBean。

K-means聚类算法研究综述

总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法,指出了K-means聚类的进一步研究方向。

一种基于区域综合特征的图像检索算法

针对基于内容的图像检索所面临的图像低级视觉特征和高级语义之间的语义鸿沟问题，提出一种基于区域的图像检索算法。在LUV颜色空间中使用K均值聚类算法进行图像分割，提取分割后各区域的颜色、形状和区域自相关特征构成区域的综合特征，采用二次型距离相似性度量方法完成图像之间相似性的计算。实验结果表明，该算法具有较好的图像检索性能，与MIRROR中各算法相比，使用平均归一化修正检索等级得到的检索性能提高了12%~47.8%。

基于局部模型匹配的目标轮廓跟踪

在复杂背景下,传统轮廓跟踪方法会发生漂移,甚至丢失目标。针对上述问题,提出一种基于局部模型匹配(LMM)的目标轮廓跟踪算法。利用超像素技术结合EMD相似性度量构建局部特征模型,从而进行局部模型匹配。结合粒子滤波的Snake模型作提取目标轮廓,实现目标轮廓精确跟踪。实验结果表明,该算法在目标形变、部分遮挡、复杂背景等条件下均具有较高的跟踪成功率。与多种目标轮廓跟踪算法进行对比,该算法具有较高的准确性和鲁棒性。

基于局部模式加权估计纹理分析的人脸识别

传统的纹理分析方法仅以每个脸部区域的相对贡献来标记全局相似度,针对这种以局部表示全局而导致不能很好地进行特征提取的问题,提出了基于局部模式的加权估计纹理分析(Weighting Estimation for Texture Analysis,WETA)方法。首先使用局部二值模式(Local Binary Pattern,LBP)或者局部相位量化(Local Phase Quantization,LPQ)对图像进行纹理编码,并将其划分成各个大小相等且不重叠的局部小块;然后从相似空间中提取出最具识别力的坐标轴,利用编码与数据库的不同组合估算出权值;最后,通过权值优化给出了最佳解决方案,并采用相似性度量距离转换完成人脸的识别。在FERET和ORL两大通用人脸数据库上的实验验证了所提方法的有效性,实验结果表明,与先进的纹理方法相比,所提方法取得了更好的识别性能。

复数矩特征提取与检索算法

随着多媒体技术和网络通信技术的不断发展，基于内容的图像数据库检索技术正成为国内外研究的热点之一，是未来信息高速公路、商标信息库、数字化博物馆、CAD、CAI资源库等广泛应用领域的关键技术。基于内容检索的核心是媒体特征的提取技术。针对商标图像的特点，该文在基于特征提取与相似性距离度量方法的基础上，提出了复数矩特征提取方法与相应的检索算法。