基于内容检索的图像数据库多维索引技术研究

摘要

随着计算机技术的研究和发展，图像数据库正在许多领域，如医学图像数据库、商标图像库以及数字图书馆等方面得到越来越多的应用。为了在大容量的图像数据库中找到想要的图像，最有效的方法就是实现基于内容检索。这就需要先对图像提取相应特征组成特征库。图像的特征库一般都是多维数据库。多维数据库在计算机图形学，地理信息系统和多媒体数据库等各个领域都有广泛的应用。为了基于内容图像数据库的快速检索，必须借助于高效的索引技术。本文在分析多维数据索引技术的现状和各类索引结构特点的基础上，主要围绕下面两类构造索引的方法进行研究。 第一类方法是对多维数据直接构造索引。该类方法是直接对多维空间进行切分来构造树形索引结构。为了尽可能的减少重叠，提高索引效率。对其中的典型索引结构X-Tree、SS-Tree和SR-Tree进行了深入的剖析，针对SR-Tree分裂算法的不足，引入X-Tree中超级节点的思想，对SR-Tree的分裂算法进行了改进，设计了一种新的索引结构ESR-Tree。实验表明，该索引方法能有效提高索引效率。 第二类方法是先对多维数据进行处理再构造索引。该类索引算法在构造多维索引之前，先对多维数据通过各种变换，或通过映射降维，或构造矢量压缩文件。为了减少I/O次数和CPU时间，提高检索的效率，对其中的典型算法NB-Tree进行了深入分析，针对其只存储欧氏距离而忽视了空间位置关系的不足，引入角度信息对其进行了改进。实验表明，改进后的算法能有效提高索引效率。

目录

文摘

英文文摘

厦门大学学位论文原创性声明及著作权使用声明

第一章绪论

1.1研究的目的和意义

1.2主要研究工作和创新点

1.3章节安排

第二章图像数据库基于内容检索的关键技术

2.1特征的提取与表示

2.1.1特征提取

2.1.2特征表示

2.2基于相似性检索的多维索引技术

2.3交互式检索系统的设计技术

第三章多维索引技术的研究现状

3.1多维数据和多维索引结构的特点

3.2多维数据库的查询类型

3.3影响多维索引结构性能的因素及其性能评价

3.4多维索引结构分类

3.5几种有代表性的索引结构

3.5.1 R-树

3.5.2 X-树

3.5.3 SS-树

3.5.4 SR-树

3.5.5 NB-Tree

3.5.6 VA-FILE

3.6新的进展

3.6.1 VAR-树

3.6.2 VA-Trie

3.6.3 FAC-File

第四章多维数据直接构造索引的方法

4.1该类索引算法存在的问题和解决方法

4.2基本概念

4.3 ESR-Tree的设计思想

4.4节点结构

4.5插入和分裂算法

4.6无重叠分裂存在性

4.7测试结果及性能分析

4.7.1测试条件

4.7.2测试环境

4.7.3测试方案

4.7.4测试结果分析

4.8结论

第五章对多维数据先进行处理再构造索引的方法

5.1 NB-TREE的设计思想

5.1.1 NB-Tree的的检索过程

5.1.2 NB-Tree的优点和不足

5.2 New-NB-Tree的设计思想

5.2.1两种算法检索范围的比较

5.2.2 New-NB-Tree的实现原理

5.2.3 New-NB-Tree的存储结构

5.2.4 New-NB-Tree的范围查询算法

5.2.5两算法比较

5.3测试结果及分析

5.3.1测试环境

5.3.2测试方案

5.4.3结果分析

5.5结论

第六章结束语

[参考文献]

研究生期间发表的论文

致 谢