基于聚类的索引在图像检索中的应用研究

摘要

多媒体技术和Internet技术的普及导致了大量图像信息的出现，传统的文本关键词检索方法已经不能适应图像信息的检索需求，基于内容的图像检索技术成为目前研究的热点。 在简要介绍了研究背景和意义，国内外基于内容的图像检索技术的发展与应用的基础上，对基于内容的图像检索方法进行了概要的介绍，并且分析了基于内容的图像检索的特点。分析和比较了一些多媒体数据的相似性搜索算法，找出各种算法的优缺点，为提出新的图像检索模式和新的算法提供理论基础。在近三十年对高维向量空间的数据索引的研究过程中，已经出现了大量的索引结构，在论文中对现存的高维索引做了一些介绍和分类，同时对论文中将用到的小波分析技术、聚类技术、索引技术等相关理论也作了简单阐述。 作者提出了一种新型的基于动态聚类的层次索引结构，该算法将小波的多尺度分析引入样本分布曲线处理，建立多层次的动态聚类，从而建立起分层索引结构，并且同时把这种索引结构保存到数据库系统中。这种索引结构能够很好地支持在高维数据库里面的数据检索，显著地减少数据结点之间的覆盖，有效的支持动态插入、删除以及及时更新数据库。 在上面的理论基础之上，作者设计了一个基于内容的图像检索实验平台，通过实验数据，从聚类、插入删除和检索效率以及对特例的分析，证明了基于动态聚类的分层索引结构在基于内容的图像检索系统中的良好的高效性。

目录

文摘

英文文摘

声明

致谢

1 引言

1.1图像检索技术的研究意义

1.2技术发展与应用现状

1.3本文的主要研究工作

1.4论文的组织结构

2 图像检索相关技术的发展

2.1图像检索概述

2.2图像检索技术的发展

2.2.1基于文本的图像检索技术

2.2.2基于内容的图像检索技术

2.3基于内容的图像检索的系统结构框图及其功能

2.4基于内容的图像检索所依赖的关键问题

3 高维数据索引结构的发展

3.1高维数据及高维数据索引结构的特点

3.2高维数据库的查询方式

3.3高维向量空间的索引结构分类及代表

3.3.1高维向量空间的索引结构分类

3.3.2几种代表性的高维向量空间的树形索引结构

4 基于内容图像检索的相关理论和研究

4.1聚类分析技术

4.1.1聚类分析概论

4.1.2一种基于子空间的无参数的聚类算法

4.1.3用小波分析改进CLIMB算法

4.2索引结构技术

4.2.1图像数据库索引结构的典型要求

4.2.2一种新型的基于动态聚类的分层索引结构

5 基于动态聚类的层次索引结构的图像检索系统的设计

5.1系统框架图及各功能模块

5.2实验结果与分析

5.2.1聚类性能实验

5.2.2插入和删除效率实验

5.2.3检索效率实验

6 结论

6.1论文总结

6.2进一步工作与展望

参考文献

作者简历