论文翻译-一种基于多特征融合的风景图像检索方法

《论文翻译-一种基于多特征融合的风景图像检索方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、外文翻译题目：一种基于多特征融合的风景图像检索方法译文:颜色和纹理描述摘要一一本文给出丫适合MPEG-7标准的颜色和纹理描述子的概述。这些描述子在过去两年中己经历了广泛地验证与开发。评价标准包括这些描述子在相似性检索、提取、存储和表述等方面的有效性。在标准中颜色描述子括基于Haar变换的直方图描述子，颜色结构直方图描述子，主颜色描述子，以及颜色布局描述子。三个纹理描述子包括一个用于表示同质纹理区域的描述子和另一个用于表率局部边缘分布的描述子。此外，还定义了一个用于方便纹理浏览的紧缩格式描述子。每个描述子在本文中都给出了详细的解释，包括它们的语义、提取和使用方法。这些描述子的有效性通过实验得到了

2、验证。一、引言颜色和纹理都属于具有代表性的视觉特征。在为这些特征的应用如相似性检索的高效的描述子的设计中，相当大的工作己经完成。例如，颜色直方图是最常用的颜色描述子，可用来描述一幅图像中的颜色分布。木文给读者阐述了MPEG-7标淮中基于颜色和纹理的用于描述图像视觉内容的技术。有关MPEG-7中更为详细的颜色和纹理描述子的介绍可参加参考文献和其它的相关MPEG文档。本文屮提到的颜色和纹理描述子已在过去的两年里经历Y严格的测试和开发，因此代表了内容表示中的一些成熟的技术。这些测试和开发是由MPEG视频组和AD-HOC组在CORE图像集上对颜色和纹理描述子进行实验。第二部分介绍了MPEG-7的颜色和

3、纹理描述子的实验，包括在这些实验中使用的颜色、纹理数据集的一个简短讨论。第三部分中给出了颜色描述符子的描述。第四部分屮讨论丫纹理描述子。最后，我们针对一些尚未解决的问题作简要说明。必须强调，本文的主要B的是提供对MPEG-7中描述子的一个概述。由于受到论文长度的限制，有关技术方面的内容不能够介绍的很多。有关更为详细的描述子有关技术方面的介绍请见参考文献［1］和［2］。二、基于MPEG-7的颜色/纹理的核心实验过程核心实验通常是在MPEG标准化过程期间，通过比较各种不同的竞争性技术，来给出各种技术的优缺点。视频组技术主要根据以前MPEG标准在处理高效的压缩上，和信号的信噪比(SNR)构成一个有效

4、的标准来进行比较。用于比较和评价MPEG-7视觉描述子的技术代表丫面临的不同问题，因为到目前位置还没有共同的标准去评价这些技术的好坏。对于视觉描述子，它们在检索中的应用被认为是最好的模型。一个好的检索结果对于基于描述子的查询是一个很好检测这个描述子有效性的指标。在颜色和纹理描述子的核心实验中，所谓的棊于事例的斉询被用来作为评价的主要方法。在基于事例的查询屮，从查询图像屮提取出來各种描述子的值，然后与数据库中包含的图像的描述子进行匹配。为了能够进行客观的比较，我们需要进行定量测量。这需要规范的数据集，查询集和相关的标准数据。标淮数据是一个给定查询图像的在视觉上相似的图像的数据集。在颜色和纹理描述

5、子的核心试验中，査询的数量约为数据库中包含图像数量的W。例如，在颜色实验屮，一个通用的颜色集(CCD)大约由5000幅图像以及50个颜色查询(CCQ)组成，每个都有标准图像提供。各个委员会和AD-HOC组为编制这些数据集花了超过6个月的时间。对于颜色和纹理描述子的核心实验，数据集由各种不同的静止图像，一些来自商业照片集、电视节FI的截屏下来的图片和动画组成。奔询和相关的标准图像是通过不同的MPEG参与者组成的组通过一系列目视检查和交叉核实手动建立的。有一些描述子，在静态图像特征实验中(例如同质纹理)，更加客观的方法是将大图片(例如来自纹理BRODATZ集的图像)分割成一些更小的子图像［10］。

6、在计算性能时，尽管每个描述子表现了不同的视觉内容，所有颜色描述子实验都要在相同数据集进行。当标准数据库和查询都已经定义好之后，有必要用一些数值度量来评价查询结果。检索率(RR)是一个非常流行的度量。NF(a,q)"wr其中:NG(q):用于一个查询q的标准数据集的大小:RR(q):在0和1之间取值，0代表“没有图片找到”1代表“找到图片”a因子必须大于等于1,值越大容错性越好。如果(1)式是在整个NQ查询集上都执行了，则我们可以通过以下的公式得出平均检索率(ARR)(2)RR和ARR用于计算会出现一些问题。因为在检索实验屮的数据集是不受限制的，就没冇必要对所冇的查询都使用固定数0的标准数据。令

7、NG(q)随q变化,这样产生了在某些检索中可能有偏差，特别是数目上有较大变化时。此外，在(1)中定义的RR是一个有严格界限的度量。因此，当检索一幅图像时用(1)中NG+1进行排序，设置1可能并不恰当的，从检索准确率的角度，这个设置可能不够严格。另一方面，选择一个较大的a值，会减少好的检索结果与不好的检索结果之间的差异性。例如：当a=2吋，RR可能等于与按照以1，2,一直到以NG进行排序的得到的图像