基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了降低图像高层语义与低层视觉特征之间的语义差异,本文以对象描述模型为基础,提出利用机器转换模型获取图像高层语义的方法.本方法首先利用图像分割技术对图像进行分割,然后利用机器学习的方法,得到训练样本集中高层语义与分割后低层视觉特征之间的先验概率关系;在查询的过程中,利用得到的先验概率模型计算与高层语义所对应的最大概率视觉低层特征,最后利用该低层特征进行检索,达到缩短高层语义与低层特征之间的语义差异的目的.在一个拥有5000幅图像的图像库上所做的测试结果表明了该方法的有效性和可行性,同时该方法也为解决图像高层语义与视觉低层特征之间语义的矛盾开扩了思路.
推荐文章
一种快速旋转不变图像检索新方法
图像检索
谱分解
小波变换
NMF和Isomap相结合的图像检索新方法
非负矩阵分解
数据降维
多维尺度分析
Isomap
图像检索
基于语义的图像物体提取的新方法
彩色分类
K-均值算法
语义信息
物体提取
一种图像检索的新方法
图像检索
模式匹配
特征量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 应用对象语义进行图像检索的新方法
来源期刊 铁道学报 学科 工学
关键词 基于内容的图像检索 图像语义 机器学习
年,卷(期) 2007,(4) 所属期刊栏目 研究与探讨
研究方向 页码范围 111-114
页数 4页 分类号 TP391
字数 2719字 语种 中文
DOI 10.3321/j.issn:1001-8360.2007.04.023
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱振峰 北京交通大学信息科学研究所 19 93 6.0 8.0
2 赵耀 北京交通大学信息科学研究所 61 474 12.0 19.0
3 贾振超 北京交通大学信息科学研究所 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (43)
共引文献  (102)
参考文献  (5)
节点文献
引证文献  (7)
同被引文献  (34)
二级引证文献  (61)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(10)
  • 参考文献(0)
  • 二级参考文献(10)
2000(7)
  • 参考文献(0)
  • 二级参考文献(7)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(5)
  • 参考文献(2)
  • 二级参考文献(3)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(2)
  • 引证文献(1)
  • 二级引证文献(1)
2012(13)
  • 引证文献(3)
  • 二级引证文献(10)
2013(7)
  • 引证文献(0)
  • 二级引证文献(7)
2014(7)
  • 引证文献(1)
  • 二级引证文献(6)
2015(10)
  • 引证文献(1)
  • 二级引证文献(9)
2016(10)
  • 引证文献(0)
  • 二级引证文献(10)
2017(8)
  • 引证文献(0)
  • 二级引证文献(8)
2018(6)
  • 引证文献(1)
  • 二级引证文献(5)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
基于内容的图像检索
图像语义
机器学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
铁道学报
月刊
1001-8360
11-2104/U
大16开
北京复兴路10号
2-308
1979
chi
出版文献量(篇)
4684
总下载数(次)
8
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导