Другие журналы
Сетевое издание Радиооптика

Издатель ФГБОУ ВПО "МГТУ им. Н.Э. Баумана". Эл. № ФС 77-61860. ISSN 2413-0974

Метод поиска изображений с использованием вейвлет-технологии

Радиооптика # 05, сентябрь 2015
DOI: 10.7463/rdopt.0515.0813256
Файл статьи: Rdopt_Sep2015_087to100.pdf (1245.95Кб)
авторы: Филиппов М. В.1,*, Гайдук С. Э.1

УДК 004.932.2

1 Россия,  МГТУ им. Н.Э. Баумана

Проблема быстрого поиска заданных изображений привлекает в последнее время повышенное внимание разработчиков. Основная причина такого интереса заключается в существенном увеличении объемов графической информации, что обуславливает необходимость создания быстрых алгоритмов поиска. Важной проблемой является также разработка метрики для определения степени близости двух изображений.
В ряде работ описан метод, основанный на использовании вейвлет-технологий. При этом метрика базируется на сравнении коэффициентов вейвлет-преобразования. В указанных работах продемонстрированы преимущества  подобного подхода. В  данной статье рассмотрена модификация описанного выше метода с целью повышения эффективности поиска  изображений по изображению-запросу, а также уменьшения времени такого поиска.  Представленный метод имеет следующие отличительные особенности. Во-первых, в качестве базиса разложения в работе были предложены вейвлеты Добеши в отличие от ранее  использованных вейвлетов Хаара. Это позволило уменьшить количество коэффициентов разложения и тем самым сократить время поиска. Во-вторых, для определения коэффициентов был использован так называемый алгоритм логистической регрессии, основанный на статистической модели. В работе дано подробное описание алгоритма, реализующего указанные процедуры поиска изображений.
 Для оценки эффективности работы представленного метода на основе критериев точности выбора заданного изображения (процент успешно реализованных запросов) и быстродействия были выполнены численные эксперименты по поиску в базах данных изображений разных объемов. Показано, что предложенная метрика позволяет получить существенно большее быстродействие и точность, чем стандартные метрики L1 и L2  . Продемонстрировано также преимущество использования предложенного в работе вейвлет-базиса Добеши.

Список литературы
1.Э.Столниц, Т.Дероуз, Д.Салезин. Вейвлеты в компьютерной графике. – Ижевск, НИЦ «Регулярная и хаотическая динамика», 2003, 272 с.
2.SmithJ.R., ChangS.F. ToolsandTechniquesforColorImageRetrieval. // SPIE (ColumbiaUniv., USA, 1996): Proceedings of the SPIE, vol. 2670, 1996. pp. 426-437.
3.Duda R., Hart P. Pattern Classification and Scene Analysis. John Wiley and Sons publishing, 1973. 512 p.
4.D. G. Lowe. Distinctive Image Features from Scale-Invariant keypoints. Режим доступа: https://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf (дата обращения 02.06.2015).
5.Niblack W., Barber R., Equitz W., Flickner M., Glasman E., Petkovic D., Yanker P., Faloutsos C., Taubin G. The QBICproject: Querying images by content using color, texture, and shape volume. // SPIE (Bellingham, WA, 1993): Storage and Retrieval, 1993. pp. 173-187.
6.E.Stollnitz, E.J.,DeRose T.D., Salesin D.H. Wavelets for Computer Graphics. Theory and Applications. Morgan Kaufmann PublishersInc., 1996. 245p.
7.BeylkinО.,Coifman R., RokhlinУ. Fast wavelet transforms and numerical algorithms. // Communications on pure and Applied Mathematics, 1991, vol. 44. pp. 141-183.
8.Kankanhalli A., Zhang H.J., Low C.Y. Using texture for image retrieval. // International Conference оn Automation, Robotics and Computer Vision. (Nanyang Technological University, Singapore, 1994), IEEE publ., 1994. pp. 935-939.
9.Gibson A.S. Exposure and Understanding the Histogram. PeachpitPresspubl., 2011. 75 p.
10.С.E.Jacobs, A.Finkelstein, D.H.Salesin. Fast multiresolution image quering. Proceedings of SIGGRAPH, ACM, New York, 1995, pp. 277-286.
11.Najmi A.H. Wavelets: A Concise Guide. Johns Hopkins University Press publ., 2012. 304 p.
12.Fugal D.L. Conceptual Wavelets in Digital Signal Processing. Space & Signals Technical Publishing, 2010. 374 p.
13.Vetterli M., Kovacevic E., Goyal V.K. Fourier and Wavelet Signal Processing. Cambridge University Press, 2014. 294p.
14.Davis J., Goadrich M. The Relationship Between Precision-Recall and ROC Curves // Proc. Of 23 International Conference on Machine Learning, Pittsburgh, PA, 2006, pp.233-240.
Поделиться:
 
ПОИСК
 
elibrary crossref neicon rusycon
 
ЮБИЛЕИ
ФОТОРЕПОРТАЖИ
 
СОБЫТИЯ
 
НОВОСТНАЯ ЛЕНТА



Авторы
Пресс-релизы
Библиотека
Конференции
Выставки
О проекте
Rambler's Top100
Телефон: +7 (915) 336-07-65
  RSS
© 2003-2017 «Радиооптика» Тел.: +7 (915) 336-07-65