粒度计算与图像匹配技术改进.docVIP

粒度计算与图像匹配技术改进 　　摘要：传统的基于内容的图像检索技术CBIR系统需要依据图像的可视特征或复合可视特征信息，通过复杂的数学运算进行匹配，面对海量的图像信息上述系统的运算时间将呈线性增长，从而导致效率低下。随着粒度计算理论的完善和成熟，该文建立起基于粒度计算的SSDA图像检索模型，通过控制粒度的大小，提出分层的搜索策略，减少SSDA算法匹配搜索时间，提高图像匹配的效率。 　　关键词：粒度计算；图像匹配；SSDA 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）33-7571-04 　　随着互联网的不断普及和数字化技术的快速发展，数字图像日益丰富，为了能够从大量得图像库中快捷、确地找到用户所需要的图像，必须借助于计算机技术进行机器识别。识别过程首先需要将已知图像和陌生图像的全部或部分在二维空间上对齐，然后选取合适的图像特征，并根据相似度模型，在陌生图像中寻找与已知图像近似的子图，这一比较过程就是图像匹配。基于内容的图像检索[1]（CBIR，Content-based image retrieval），是计算机视觉领域中关注大规模数字图像内容检索的研究分支，众多的图像匹配算法为其提供理论支撑。该文将全面剖析当今各种图像匹配技术，重点分析其中的SSDA[2]图像匹配算法，并最终将粒度计算[3]引入其中，提出基于粒度计算的自适应