论文翻译-一种基于多特征融合的风景图像检索方法.docVIP

外文翻译 题　　目： 一种基于多特征融合的风景图像检索方法 译文： 颜色和纹理描述 摘要——本文给出了适合MPEG-7标准的颜色和纹理描述子的概述。这些描述子在过去两年中已经历了广泛地验证与开发。评价标准包括这些描述子在相似性检索、提取、存储和表述等方面的有效性。在标准中颜色描述子包括基于Haar变换的直方图描述子，颜色结构直方图描述子，主颜色描述子，以及颜色布局描述子。三个纹理描述子包括一个用于表示同质纹理区域的描述子和另一个用于表率局部边缘分布的描述子。此外，还定义了一个用于方便纹理浏览的紧缩格式描述子。每个描述子在本文中都给出了详细的解释，包括它们的语义、提取和使用方法。这些描述子的有效性通过实验得到了验证。 引言 颜色和纹理都属于具有代表性的视觉特征。在为这些特征的应用如相似性检索的高效的描述子的设计中，相当大的工作已经完成。例如，颜色直方图是最常用的颜色描述子，可用来描述一幅图像中的颜色分布。本文给读者阐述了MPEG-7标准中基于颜色和纹理的用于描述图像视觉内容的技术。有关MPEG-7中更为详细的颜色和纹理描述子的介绍可参加参考文献和其它的相关MPEG文档。 本文中提到的颜色和纹理描述子已在过去的两年里经历了严格的测试和开发，因此代表了内容表示中的一些成熟的技术。这些测试和开发是由MPEG视频组和AD-HOC组在CORE图像集上对颜色和纹理描述子进行实验。 第二部分介绍了MPEG-7的颜色和纹理描述子的实验，包括在这些实验中使用的颜色、纹理数据集的一个简短讨论。第三部分中给出了颜色描述符子的描述。第四部分中讨论了纹理描述子。最后，我们针对一些尚未解决的问题作简要说明。 必须强调，本文的主要目的是提供对MPEG-7中描述子的一个概述。由于受到论文长度的限制，有关技术方面的内容不能够介绍的很多。有关更为详细的描述子有关技术方面的介绍请见参考文献[1]和[2]。 二、基于MPEG-7的颜色/纹理的核心实验过程 核心实验通常是在MPEG标准化过程期间，通过比较各种不同的竞争性技术，来给出各种技术的优缺点。视频组技术主要根据以前MPEG标准在处理高效的压缩上，和信号的信噪比（SNR）构成一个有效的标准来进行比较。用于比较和评价MPEG -7视觉描述子的技术代表了面临的不同问题，因为到目前位置还没有共同的标准去评价这些技术的好坏。对于视觉描述子，它们在检索中的应用被认为是最好的模型。一个好的检索结果对于基于描述子的查询是一个很好检测这个描述子有效性的指标。在颜色和纹理的核心实验，定量测量这需要规范数据集，查询集和数据数据是一个图像视觉。 在颜色和纹理核试验例如，在实验，一个颜色集（CCD）大约5000幅图像50个颜色查询（）组成， 各委员会和组编制超过6个月对于颜色和纹理的核心实验数据集由不同的静止图像照片电视节目截屏图片和动画查询和相图像不同MPEG参与者静图像（同质纹理）尽管每个描述内容 当标准数据库和查询已经有必要询结果检索率（RR）是一个非常的 （1） 其中： NG(q)：用于一个查询q 的标准数据集的大小； NF(a，q)：在首次检索时查找到的图像的数目； RR(q)：在0和1之间取值，0代表“没有 a因子必须大于等于1，值越大容错性越好。如果（1）式是在整个NQ查询集上都执行了，则我们可以通过以下的公式得出平均检索率（ARR） （2） RR和ARR用于计算会出现一些问题。因为在检索实验中的数据集是不受限制的，就没有必要对所有的查询都使用固定数目的标准数据。令NG(q)随q变化，这样产生了在某些检索中可能有偏差，特别是数目上有较大变化时。 此外，在（1）中定义的RR是一个有严格界限的度量。因此，设置= 1可能并不恰当检索准确，这可能不另一方面，选择较大的值为了解决这些问题考虑到不同规模集对于比较大的（20），而较小的，更的但有人认为，罚 通过（3），我们可以得到查询q的平均排序(AVR) 然而，不同规模大小的标准数据集（实际上，在CCQ中NG是在3到32之间变化的），用大小不一的NG(q)值计算标准数据集的AVR值有显著差异。为了减少NG(q)值变化所带来的影响，一种改进的检索排序MRR定义如下： 注意 NMRR(q)的取值可以在0（表明 ANMRR在所有MPEG—7的颜色核心实验中作为评价标准。事实表明：ANMRR度量结果与参与评价者给出的检索结果是接近线性吻合[12]。当然，视觉描述的评价，不能仅仅根据检索的准确特征提取和匹配在实验中，一个描述曲线（类似于信噪比的失真率曲线）。为了，匹配方法大多数实验 颜色也许是所有视觉特征中最具