电子设计工程
電子設計工程
전자설계공정
ELECTRONIC DESIGN ENGINEERING
2012年
4期
165-169
,共5页
图像检索%Adaboost算法%相关反馈机制%多尺度纹理特征%灰度共生矩阵
圖像檢索%Adaboost算法%相關反饋機製%多呎度紋理特徵%灰度共生矩陣
도상검색%Adaboost산법%상관반궤궤제%다척도문리특정%회도공생구진
image retrieval Adaboost algorithm relevance feedback mechanism multi-scale texture features GLCM
特征提取是图像检索的关键步骤，针对仅基于一种特征只能表达图像的部分属性，并且在多分类问题中，对图像内容的描述比较片面。缺乏足够的分辨能力。在图像类别较多，并且图像变化较大的场合不能取得理想的检索效果。基于相关反馈检索机制，提出了一种由Adaboost算法集成颜色和纹理特征的相关反馈图像检索方法。实验结果表明。通过反馈机制的Adaboost算法集成组合特征进行图像检索，该方法有较好的检索性能。
特徵提取是圖像檢索的關鍵步驟，針對僅基于一種特徵隻能錶達圖像的部分屬性，併且在多分類問題中，對圖像內容的描述比較片麵。缺乏足夠的分辨能力。在圖像類彆較多，併且圖像變化較大的場閤不能取得理想的檢索效果。基于相關反饋檢索機製，提齣瞭一種由Adaboost算法集成顏色和紋理特徵的相關反饋圖像檢索方法。實驗結果錶明。通過反饋機製的Adaboost算法集成組閤特徵進行圖像檢索，該方法有較好的檢索性能。
특정제취시도상검색적관건보취，침대부기우일충특정지능표체도상적부분속성，병차재다분류문제중，대도상내용적묘술비교편면。결핍족구적분변능력。재도상유별교다，병차도상변화교대적장합불능취득이상적검색효과。기우상관반궤검색궤제，제출료일충유Adaboost산법집성안색화문리특정적상관반궤도상검색방법。실험결과표명。통과반궤궤제적Adaboost산법집성조합특정진행도상검색，해방법유교호적검색성능。
Feature extraction is one of the key steps in content-based image retrieval, but one teature based approach expresses only partial attributes of an image, which unilaterally describes the image content and is short of enough resolving power. This method may not achieve ideal result in the case of images varying greatly. Taking advantage of adaboost algorithm and relevance feedback mechanism, a technology was proposed based on image color and texture features. The experiment shows that the approach has good retrieval performance.
