位置:成果数据库 > 期刊 > 期刊详情页
基于语义绑定的分层视觉词汇库的图像检索
  • ISSN号:1006-2467
  • 期刊名称:上海交通大学学报
  • 时间:2011
  • 页码:154-158
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]上海交通大学信息安全工程学院,上海200240, [2]上海市信息安全综合管理技术研究重点实验室,上海200240
  • 相关基金:国家自然科学基金(61071153 60802057); 上海市青年科技启明星计划(10QA1403700)资助项目
  • 相关项目:基于微词汇语义与时空、音频特征融合的视频内容分类算法研究
中文摘要:

提出了一种解析复杂图像语义的模型——分层语义模型,给出了解析复杂语义和构造模型的方法.提出了基于分层语义模型的语义绑定的分层视觉词汇库的概念,给出了构造词汇库的具体方法和步骤,同时对词汇库细节问题给出了解决的方法.将提出的分层视觉词汇库应用于基于内容和语义的图像检索中,并给出了构建图像检索系统的方法和检索图像的步骤.该模型在图像检索中可同时满足基于图像内容的检索方式和基于图像语义的检索方式.实验结果表明,该方法比基于SIFT(Scale Invariant Feature Transform)特征向量的图像检索方法具有更好的性能.

英文摘要:

This paper proposed a hierarchical semantic model which can destruct complex image semantic,and presented the method to destruct complex semantic and to construct model.Then the paper proposed the concept of semantic binding hierarchical visual vocabulary which is based on the hierarchical semantic model and also presented the method and steps to build the visual vocabulary,and the resolution to some detail problems about vocabulary as well.The paper applied the visual vocabulary into the content and semantic based image retrieval and proposed the steps to construct the image retrieving system and to retrieving images.The proposed model and method can support both the image retrieval based on image content and the image retrieval based on image semantic.The experiments prove the better performance of the model and method compared with the traditional SIFT(Scale Invariant Feature Transform) feature based image retrieval.

同期刊论文项目
期刊论文 25 会议论文 3 专利 1
同项目期刊论文
期刊信息
  • 《上海交通大学学报》
  • 中国科技核心期刊
  • 主管单位:中华人民共和国教育部
  • 主办单位:上海交通大学
  • 主编:郑杭
  • 地址:上海市华山路1954号15F
  • 邮编:200030
  • 邮箱:shjt@chinajournal.net.cn
  • 电话:021-62933373 62932534
  • 国际标准刊号:ISSN:1006-2467
  • 国内统一刊号:ISSN:31-1466/U
  • 邮发代号:4-256
  • 获奖情况:
  • 1996年全国优秀科技期刊奖,1992年、1996年、1999年国家教育部系统优秀科技期刊奖,2002年“百种重点期刊奖”,2003年百种中国杰出学术期刊,2004年教育部全国高校优秀科技期刊一等奖,2004年“百种重点期刊奖”
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:30903