Введение. 2
1.1Контекстный поиск изображений.Обзор проблемы 2
1.2Существующие решения 5
1.3Краткое содержание работы 6
1.4Цели работы 7
2.1Алгоритм универcитета Вашингтона 9
Описание 9
2.2 Построение метрики 11
2.3Построение индекса 15
2.4Формирование запроса 16
2.5Алгоритм особых точек 19
2.6 Замечание к выбору цветового пространства 22
2.7 Особенности формы 23
2.8 Построение метрики и индекса 24
2.9Формирование запроса 25
3.1Тестирование 27
Заключение 29
Список используемой литературы 30
Содержание
Выдержка из текста
Преобразование Фурье представляет сигнал, заданный во временной области, в виде разложения по ортогональным базисным функциям (синусам и косинусам) с выделением частотных компонентов.
Для решения данной задачи хорошо подходит инструментарий Toolbox Crewes, разработанный Университетом Калгари США (University of Calgary). Он позволяет производить первичную обработку сейсмических данных. Далее эти данные будут обрабатываться системой Matlab.
В ходе работы передо мною были поставлены следующие задачи: исследовать существующие решения SLAM; разработать электронную часть мехатронной системы ориентирования; разработать механическую часть мехатронной системы ориентирования; разработать алгоритмы работы мехатронной системы ориентирования; разработать программное обеспечение, реализующее алгоритмы работы мехатронной системы ориентирования; провести исследование точности разработанной мехатронной системы ориентирования; провести эксперимент по определению перемещения на основе анализа изображений, полученных при сканированиях.
В дипломной работе требуется решить следующие поставленные задачи: описать и реализовать общие методы обработки и улучшения качества изображений; написать необходимые алгоритмы для восстановления формы объекта по плоскому полутоновому изображению; реализовать все описанные алгоритмы на компьютере и вывести полученные трехмерные изображения на экран.
Распознование плоских многопредметных изображений
Мы познакомимся с данными классами, их методами и свойствами. Составим практическую реализацию программ с применением основных типовых классов с# для работы с графикой.
Промоделируем проведение активного эксперимента на установке, подставив значения управляющих факторов из плана эксперимента в формулу (1) и рассчитав вектор-столбец значений выходного показателя Y в ходе эксперимента:
Список источников информации
. Digital Libraries, Value, and Productivity. Go Wiederhold
http://www.cacr.caltech.edu/~slombey/work/KB/libs/
2. Content-Based Image Retrieval Systems. Peter L. Stanchev.
3. Content-Based Image Retrieval Systems: A Survey. Remco C. Veltkamp
4. State-of-the-Art in Shape Matching. Remco C. Veltkamp, Michiel Hagedoorn
5. Fast Multiresolution Image Querying. C.E. Jacobs, A. Finkelstein,
D.H. Salesin.
6. Вейвлеты в компьютерной графике. Э. Столниц, Т. ДеРоуз, Д. Салезин
7. The QBIC project: Querying images by content using color, texture and shape.
W. Niblack, R. Barber, W. Equitz, M. Flickner, E. Glasman, D. Petkovic,
P. Yanker, C. Faloutsos, G. Taubin.
8. http://www.jpeg.org/jpeg2000/
9. An Introduction to Wavelets. Charles K. Chui.
10. Content-Based Image Retrieval Using Wavelet-based Salient Points. Q. Tian,
N. Sebe, M.S. Lew, E. Loupias, T.S. Huang
11. Local grayvalue invariant for image retrieval. C. Shmid, R. Mohr
12. An Efficient Color Representation for Image Retrieval. Y. Deng, B.
S. Manjunath, C. Kenney, Michael S. Moore, Hyundoo Shin.
13. Scalable Color Image Indexing And Retrieval Using Vector Wavelets. Elif
Albuz, Erturk Kocalar, Ashfaq A. Khokhar
14. Spatial Visualization for Content-Based Image Retrieval. Baback Moghaddam,
Qi Tian, Thomas Huang
15. Multi-class relevance feedback content-based image retrieval. Jing Peng
16. Relevance Feedback Techniques in Interactive Content-Based Image Retrieval.
Yong Rui, Thomas S. Huang, and Sharad Mehrotra
17. An Efficient Color Representation for Image Retrieval. Yining Deng, B. S.
Manjunath, Charles Kenney, Michael S. Moore and Hyundoo Shin
список литературы