论文部分内容阅读
随着计算机和互联网技术的迅速发展,图像/视频这类多媒体数据已经成为了当前计算机处理的主要数据之一。但由于图像/视频数据所包含的信息量很大,当前的检索算法无法高效地对多媒体数据进行检索,使得当前许多多媒体应用都不能得到实际应用。图像特征提取是图像/视频检索问题的关键。研究人员发现对整张图像或视频帧做特征提取会产生大量的特征信息,从而影响图像/视频帧的匹配时间。由于人们通常只对图像中部分关键的区域感兴趣,因此在对图像做局部特征提取时可以先对图像进行显著区域检测,排除非关键区域上的特征信息,从而减少匹配所需的特征点数,提高匹配的处理速度。但是由于传统的显著区域检测算法计算复杂,会对图像特征提取过程产生额外的时间开销。本文提出一种快速的显著区域检测算法,根据局部特征提取算法特征检测阶段得到的特征点分布,利用最大子矩阵和算法,在损失较小的准确度的情况下快速检测出图像的显著区,并应用于基于局部特征的图像检索系统中。本文的主要贡献有:·利用局部特征提取算法特征检测阶段得到的特征点分布在损失较小的准确度的情况下快速检测出图像的显著区:(?)利用局部特征提取算法特征检测阶段计算出的局部特征点的坐标,以此求得描述局部特征点分布情况的分布矩阵(?)利用分布矩阵的标准差来表征局部特征点的分布的离散程度(?)定义与图像局部特征点数量和特征点标准差相关的只含非负元素的适应性矩阵(?)利用动态规划的算法思想快速求得适应矩阵的最大子矩阵和,以此快速得到图像的显著区域(?)根据统计,发现利用权值矩阵可以达到优化算法的效果(?)算法可以扩展为计算最大N子矩阵以检测N个显著区域·通过计算显著区域减少特征提取算法产生的特征信息,提高图像/视频检索算法特征匹配阶段的处理速度。