导读:本文包含了基于内容的索引和检索论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:索引,图像,内容,多维,大百科全书,数据库,算法。
基于内容的索引和检索论文文献综述
周文博,王思贤,刘帅[1]（2019）在《基于图像索引内容结合数据库检索方式的应用与实现》一文中研究指出本文介绍了以往的图像处理技术和现在的发展以及应用的情况;同时介绍了图像数据库的应用原理;以及现在技术中比较常见的图像数据库的数据结构,通过两者进行相应的结合,来介绍基于内容的图像索引系统,可以更为直观的理解图像索引系统。(本文来源于《数字技术与应用》期刊2019年02期）
韦丽[2]（2016）在《基于HCT索引的图像内容检索系统》一文中研究指出随着信息化、数字化等技术发展与进步,相机、智能手机等设备几乎人手一个,图像产生的途径多了,图像质量提高了,图像数量更是以令人震惊速度增长。面对图像数量的快速增长,如何快速、高效、准确的实现图像内容检索是目前的重点研究方向。传统的图像检索在文本检索的基础上,手动的对图像进行文字描述,将图像内容检索转化为对这些标注文本的检索。但是通过手动标注图像,不仅浪费时间、人力、物力,还存在很大的主观性,对图像的内容描述也不够完整。正是由于基于文本的图像检索存在许多缺陷,出现了基于内容的图像检索。在基于内容的图像检索技术中,图像内容描述和索引机制是重点研究方向,也是研究的难点。以目前计算机视觉、模式识别等技术水平,无法实现基于语意的图像检索。图像内容主要通过自身低层的物理信息进行描述,包括颜色等。通过构建索引,能够实现比较快速的图像检索。索引机制即包括索引结构的建立,查询算法的设计以及候选结果的排序。面对高维特征数据时,传统的索引方法查询性能会低于,甚至不及顺序查找,即“维度灾难”。在大数据量的图像数据库中,为了提高检索速度,采用能够应对维度灾难的索引机制是十分必要的。本文的主要工作是实现一个基于分层索引结构树-HCT的图像内容检索系统并对系统的检索性能进行测试分析。系统采用基于示例的检索方式,对图像的内容描述采用物理层特征,采用的索引-HCT树是一种动态的度量访问方法的树形结构,能动态的插入数据,具有很好的平衡性。针对细胞分裂后原细胞的细胞核有可能成为新细胞的细胞核,提出改进策略并进行实验测试,根据HCT树的结构,采用近似k最近邻查询的查询方式。通过实验对HCT树组织性能和检索性能进行测试分析,并验证了改进后的细胞分裂算法和原算法实验在细胞的构建速度上有所提高。(本文来源于《华侨大学》期刊2016-03-30）
艾列富[3]（2014）在《基于内容的大规模图像索引与检索方法研究》一文中研究指出互联网和多媒体技术的快速发展使得以图像为代表的多媒体数据呈现爆炸性的增长。丰富的图像资源在带来巨大便利的同时,存在着亟待解决的问题：面对海量的图像数据,如何帮助人们从中快速地获取他们真正感兴趣的图像,尤其是那些很难用传统文本来清晰表达的图像。在此背景下,本文对基于内容的大规模图像索引与检索的主要关键技术进行了系统研究。针对特征硬分配的单词不确定性和单词疑惑性两个问题,提出了一种超球软分配方法。该方法为每个视觉单词构造一个以其为球心的超球体,半径为该视觉单词对应聚类中最远特征点到聚类中心的欧式距离。根据图像的局部视觉特征与各视觉单词对应超球体的空间位置关系将其分配到相应的近邻视觉单词。通过将超球体软分配与图像局部聚合描述向量计算方法相结合用于生成图像描述符,实验结果表明超球体软分配能有效地提高图像描述符的准确性。为了提高图像视觉特征的近似表示精度和降低图像视觉特征的存储空间需求,提出了一种增强型残差量化方法并将其用于构建多维倒排索引,有效地提高了构建倒排索引的效率。增强型残差量化通过训练多层码书来近似表示图像特征,并且在训练过程中,通过联合优化使每层量化器的码书在训练时都考虑图像视觉特征的总体量化误差并使其最小化。针对增强型残差量化对图像视觉特征进行量化过程中精确最近邻聚类中心查找的效率问题,提出了一种基于下限过滤的精确最近邻查找方法。该方法将图像视觉特征从高维空间映射到低维空间,并在低维空间中通过计算特征之间欧式距离的下限来过滤非近邻聚类中心,减少特征量化的时间开销。基于增强型残差量化,利用多层码书中聚类中心的组合关系设计了一种多维倒排索引结构,使得只需要少量的聚类中心就可以构建规模较大倒排索引结构。实验结果表明,较现有方法,增强型残差量化可以显着降低图像特征近似表示的误差并能提高图像特征检索的精度和速度。此外,基于下限过滤的向量量化方法可以有效地提高增强型残差量化的特征量化效率。为了提高图像视觉特征检索速度,提出了完全过滤自适应检索和不完全过滤自适应检索两种基于超球体过滤的自适应检索方法。根据查询特征所在的空间位置,完全过滤自适应检索通过构造以查询特征点为球心的超球体并自适应地计算半径,只对位于超球体内部的特征进行排序,从而过滤掉非相似特征。在此基础上,不完全过滤自适应检索将各倒排列表划分为若干个子类并将对应的聚类中心用于过滤非相似特征,从而降低了非相似特征过滤的时间开销。实验结果表明,在保证与现有方法具有相同检索精度情况下,完全过滤自适应检索和不完全过滤自适应检索都能明显减少查询时间。此外,不完全过滤自适应检索比完全过滤自适应检索具有更快的检索速度。基于内容的大规模图像索引与检索需要研究的问题还有很多。在图像描述符方面,如何同时结合图像的低层视觉特征和高级语义特征用于生成图像描述符以更好地表达图像内容是需要进一步研究的问题。在图像特征量化和编码方面,增强型残差量化方法是在图像视觉特征的原始维度上进行的,如何将高维图像视觉特征从高维空间映射到低维空间并运用增强型残差量化方法的同时,考虑映射图像视觉特征产生的误差需要进一步研究。在索引结构上,目前构建的倒排索引依赖于样本集训练,如何设计一个支持动态更新的倒排索引是另一个需要进一步研究的问题。(本文来源于《华中科技大学》期刊2014-05-01）
王彦林[4]（2013）在《R树动态索引在基于内容的图像检索中的应用》一文中研究指出数字图像数据量的急剧增张使传统的基于文本的图像检索技术越来越无法适用,本文结合数字图像数据的高维空间属性,探讨了R-Tree动态索引结构在基于内容的图像检索中的应用,并结合R-Tree的搜索算法,综合分析了各种扩展R-Tree结构的优缺点。(本文来源于《计算机光盘软件与应用》期刊2013年04期）
于倩倩[5]（2012）在《专着内容索引的编制方法探析——以《情报检索语言与智能信息处理丛书》为例》一文中研究指出文章以《情报检索语言与智能信息处理丛书》为例,介绍了专着内容索引的编制过程及方法。包括名称索引的编制过程、主题索引的编制过程及技术要点,并对《丛书》索引质量进行评析。(本文来源于《图书馆学研究》期刊2012年19期）
张效赤[6]（2011）在《浅析《中国大百科全书(第二版)》信息检索系统中的内容索引》一文中研究指出《中国大百科全书(第二版)》的信息检索系统有许多信息索引可供使用者所需查找和检索各类信息和资料。同时,信息检索系统也是使用者所需利用各类参考资料的非常重要信息源。对于使用者来说,每一个信息索引直接影响着检索结果和信息的利用。本文简述了《中国大百科全书(第二版)》内容索引的特点,分析了其款目结构和编制方式及基本功能,通过大量的示例,指出了其存在的问题,以促进对大百科全书内容索引的研究,发挥其更大的作用。(本文来源于《Proceedings of the 2011 International Conference on Information ,Services and Management Engineering(ISME 2011)(Volume 4)》期刊2011-12-26）
王猛,张明[7]（2010）在《基于内容的图像检索中多维索引技术研究》一文中研究指出基于内容图像检索越来越受到人们的关注,而多维索引技术是基于内容图像检索的关键技术之一。全面分析多维索引的相关技术,主要包括多维索引技术的发展现状、多维数据及多维索引结构的特点、多维索引结构的查询方式,并且着重分析常见的六种有代表性的索引结构。(本文来源于《现代计算机(专业版)》期刊2010年05期）
洪俊明[8]（2008）在《基于内容检索的图像数据库流水索引法的研究》一文中研究指出图像数据库容量的增长,需要研究高效的索引技术来支持快速相似性检索的要求。总结了图像数据库检索技术的发展轨迹和特点,针对基于内容的图像检索技术中的局限性,从计算机底层硬件的角度提出了基于内容检索的流水索引法。该方法将基于内容的图像检索技术与CPU流水线结构紧密结合,对检索算法进行优化,通过举例比较,说明可提高图像数据库基于内容检索的速度。(本文来源于《电子工程师》期刊2008年11期）
吴雪霏[9]（2008）在《基于内容医学图像检索的索引研究》一文中研究指出近年来,随着多媒体技术和计算机网络的飞速发展,作为多媒体数据的重要组成部分,图像数据也正以惊人的速度增长。如何能从这些海量图像数据中高效、快速地检索出所需要的信息是当前所面临的重要问题。传统的基于文本注解的图像检索方法已经无法满足用户的需要。基于内容的图像检索技术(Content-Based Image Retrieval, CBIR)是目前图像检索中通常采用的技术。其主要思想是根据图像所包含的颜色、纹理、形状等,提取出特征向量,并建立图像的特征库,通过计算查询图像和特征库中图像的特征向量间的相似度得到查询结果。由于图像库的数据容量大,而且数据都是高维数据,需要采用高维空间的索引技术以减少响应时间。高维空间的索引技术是通过建立索引结构来提高高维数据库上检索效率的一门科学。图像数据库检索离不开高维索引技术的支持。目前,人们对高维索引技术已进行了大量研究,提出了众多的索引结构,例如R树、KD树、SR树等,这些索引结构在低维空间中性能很好,但是,在高维空间中,性能急剧下降,甚至不如顺序查询,这种现象被称为“维数灾难”。本文对基于内容的图像检索技术和国内外有关的高维索引技术和方法进行了综述,在分析和比较现有高维索引结构的基础上,详细讨论了自己的索引结构和算法A-iDistance,并在医学图像数据和模拟数据上做了实验研究。实践证明,该索引结构在高维空间中有着良好的性能。(本文来源于《东北大学》期刊2008-06-20）
王旭乐[10]（2008）在《基于内容的图像检索系统中高维索引技术的研究》一文中研究指出随着互联网与多媒体技术的高速发展,多媒体信息急剧增加,图像数据也飞速增长。如何从海量的图像数据中高效、快速地检索出所需信息是当前基于内容的图像检索系统所面临的重要问题,而有效的高维索引机制则是面向大规模图像库检索能够达到实时性要求的关键技术,更是成为了基于内容的图像检索领域中的研究热点。在分析维度灾难现象的基础上,对目前克服维度灾难比较好的近似检索方法进行研究,提出了一种基于虚拟网格过滤的局部敏感哈希算法。该算法是一个支持动态构造的高维索引算法,它首先将高维数据集进行聚类,使得每一个聚类都足够小的可以装入内存,然后用局部敏感哈希算法对每个聚类进行哈希表的构造,并将哈希表存入磁盘,然后用基于虚拟网格的过滤算法来加载磁盘中的哈希表,从而达到很好的双重过滤效果。最后,设计并实现了达梦基于内容的图像检索系统(Da Meng Image Retrieval System, DMIR)。该系统是一个分布式、多用户的图像检索系统,支持颜色、形状、纹理等多种查询方式,具有良好的人机交互界面,在系统中,用户可以自己指定特征提取算法和高维索引算法,可以对算法进行管理和维护,为以后的研究提供了一个实验平台,并将我们提出的高维索引算法——基于虚拟网格过滤的局部敏感哈希算法应用到DMIR中,取得很好的效果。(本文来源于《华中科技大学》期刊2008-06-01）
基于内容的索引和检索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着信息化、数字化等技术发展与进步,相机、智能手机等设备几乎人手一个,图像产生的途径多了,图像质量提高了,图像数量更是以令人震惊速度增长。面对图像数量的快速增长,如何快速、高效、准确的实现图像内容检索是目前的重点研究方向。传统的图像检索在文本检索的基础上,手动的对图像进行文字描述,将图像内容检索转化为对这些标注文本的检索。但是通过手动标注图像,不仅浪费时间、人力、物力,还存在很大的主观性,对图像的内容描述也不够完整。正是由于基于文本的图像检索存在许多缺陷,出现了基于内容的图像检索。在基于内容的图像检索技术中,图像内容描述和索引机制是重点研究方向,也是研究的难点。以目前计算机视觉、模式识别等技术水平,无法实现基于语意的图像检索。图像内容主要通过自身低层的物理信息进行描述,包括颜色等。通过构建索引,能够实现比较快速的图像检索。索引机制即包括索引结构的建立,查询算法的设计以及候选结果的排序。面对高维特征数据时,传统的索引方法查询性能会低于,甚至不及顺序查找,即“维度灾难”。在大数据量的图像数据库中,为了提高检索速度,采用能够应对维度灾难的索引机制是十分必要的。本文的主要工作是实现一个基于分层索引结构树-HCT的图像内容检索系统并对系统的检索性能进行测试分析。系统采用基于示例的检索方式,对图像的内容描述采用物理层特征,采用的索引-HCT树是一种动态的度量访问方法的树形结构,能动态的插入数据,具有很好的平衡性。针对细胞分裂后原细胞的细胞核有可能成为新细胞的细胞核,提出改进策略并进行实验测试,根据HCT树的结构,采用近似k最近邻查询的查询方式。通过实验对HCT树组织性能和检索性能进行测试分析,并验证了改进后的细胞分裂算法和原算法实验在细胞的构建速度上有所提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基于内容的索引和检索论文参考文献
[1].周文博,王思贤,刘帅.基于图像索引内容结合数据库检索方式的应用与实现[J].数字技术与应用.2019
[2].韦丽.基于HCT索引的图像内容检索系统[D].华侨大学.2016
[3].艾列富.基于内容的大规模图像索引与检索方法研究[D].华中科技大学.2014
[4].王彦林.R树动态索引在基于内容的图像检索中的应用[J].计算机光盘软件与应用.2013
[5].于倩倩.专着内容索引的编制方法探析——以《情报检索语言与智能信息处理丛书》为例[J].图书馆学研究.2012
[6].张效赤.浅析《中国大百科全书(第二版)》信息检索系统中的内容索引[C].Proceedingsofthe2011InternationalConferenceonInformation,ServicesandManagementEngineering(ISME2011)(Volume4).2011
[7].王猛,张明.基于内容的图像检索中多维索引技术研究[J].现代计算机(专业版).2010
[8].洪俊明.基于内容检索的图像数据库流水索引法的研究[J].电子工程师.2008
[9].吴雪霏.基于内容医学图像检索的索引研究[D].东北大学.2008
[10].王旭乐.基于内容的图像检索系统中高维索引技术的研究[D].华中科技大学.2008
论文知识图
