基于有序NPsim矩阵的颜色近邻搜索

• 作者: 张廷 王功明
• 来源期刊: 光谱学与光谱分析
• 学科: 物理学
• 关键词: 颜色 近邻搜索 光谱 相似性 索引树 有序NPsim矩阵 蒙赛尔
• 年，卷（期）: 2018,（2）
• 页码范围: 377-385
• 页数: 9页
• 分类号: O433.4
• 字数: 8861字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2018)02-0377-09

摘要

基于光谱表示法颜色近邻搜索的核心是高维向量近邻搜索,相似性度量和索引树构建是影响其性能的关键,前者存在等距性问题,后者存在构建困难、查询效率低、不易动态调整等问题,从而严重影响颜色近邻搜索算法的性能.使用NPsim函数计算颜色相似性,结合有序矩阵组织颜色空间数据,提出一种基于有序NPsim矩阵的颜色近邻搜索算法.首先,计算颜色空间中所有颜色之间的NPsim值,构建反映所有颜色相似性关系的NPsim矩阵;然后,按照每种颜色与其他颜色的相似性,对NPsim矩阵的每行元素降序排列,从而得到反映每种颜色与其他颜色相似性大小关系的有序NPsim矩阵;最后,对于颜色空间中任意给定的颜色,根据它在有序NPsim矩阵中的行号,就能够直接找到该颜色的所有近邻.采用蒙赛尔全光泽色系光谱构建有序NPsim矩阵,同时建立KD树和SR树,分别进行 K近邻搜索,并从精度和速度两方面比较.在精度方面,本算法得到的颜色近邻与查询颜色距离最近、相似性最好,存在逆序现象的近邻个数最少;在速度方面,构建有序NPsim矩阵的时间比构建KD树和SR树的时间要长,但近邻搜索速度是KD树/SR树的1万倍左右,而且与K值无关;此外,构建有序NPsim矩阵易于并行化,而构建KD树和SR树不易并行化,并行化后构建有序NPsim矩阵的速度会超过构建KD树和SR树的速度.实验结果表明该方法适用于颜色近邻搜索.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张廷	北京邮电大学计算机学院	7	9	2.0	2.0
3	王功明	中国科学院生物物理研究所	10	62	3.0	7.0