多媒体数据库降维与索引算法研究及系统实现

论文摘要

在基于内容的多媒体信息检索中,图像和视频等视觉信息的表达通常用高维特征向量来描述。传统方法对这些高维数据的分类、索引和检索导致了维数灾难的产生。所以本文对高维特征向量的降维和索引进行了深入的研究。首先本文根据图像高维特征向量的空间分布特点,将LLE （Locally Linear Embedding）非线性降维算法引入到图像检索中高维特征向量的降维中,并对LLE进行了改进,提出了一种可变K近邻的近似LLE降维算法。在保证较高的查全率和查准率的基础上,实现了有效的降维,大大降低了检索和分类过程的资源消耗。接下来本文对传统的聚类算法和高维索引结构进行了深入研究,在对FCM（模糊C均值）改进的基础上,将树形高维索引结构同聚类技术结合,提出了一种新的基于度量空间的高维索引结构HC-Tree（Hierarchical Clustering Tree）;同时HC-Tree还是一个动态的索引结构,实现了动态的插入算法,提出了一种节点分裂策略,实现了特征向量高维空间的无重叠划分,提高了检索的过滤效率,并实现了基于HC-Tree的范围查询和K近邻查询。HC-Tree还提供了一种启发式的浏览查询机制。最后在应用项目组其他成员的研究成果的基础上,结合本文研究的降维和高维索引技术,设计并实现了基于Web的多媒体信息检索系统MIRSYS（Multimedia Information Retrieval SYStem）。MIRSYS系统提供了一个完整的多媒体信息管理及检索的解决方案,为我们进一步的研究创建了一个平台。本系统将作为长春信息港网站的子页为用户提供视频和图像检索服务。

论文目录

• 提要
• 第一章 绪论
• 1.1 引言
• 1.2 多媒体数据库简介
• 1.2.1 多媒体信息的特点
• 1.2.2 多媒体数据库
• 1.3 基于内容的多媒体数据库检索
• 1.3.1 基于内容检索的特点
• 1.3.2 多媒体检索的发展现状
• 1.3.3 多媒体检索的国际标准MPEG-7
• 1.4 论文研究的主要内容
• 第二章 基于内容的多媒体信息检索关键技术
• 2.1 图像的特征提取与表达
• 2.1.1 颜色特征
• 2.1.2 纹理特征
• 2.1.3 形状特征
• 2.1.4 空间关系特征
• 2.2 基于内容的视频检索技术
• 2.2.1 视频镜头分割与关键帧表达
• 2.2.2 视频结构重构
• 2.3 相似性度量方法
• 2.4 高维向量降维技术
• 2.5 高维特征索引技术
• 2.6 相关反馈技术
• 2.7 小结
• 第三章 多媒体数据库高维特征的降维算法研究
• 3.1 PCA（主成份分析）降维
• 3.2 Locally Linear Embedding 降维算法
• 3.2.1 LLE 算法描述
• 3.2.2 近邻个数k 的问题
• 3.3 改进的可变k 近邻的LLE 算法
• 3.3.1 k 值确定
• 3.3.2 VK-LLE 算法描述
• 3.4 分析与总结
• 第四章 多媒体数据库特征聚类与索引算法研究
• 4.1 聚类
• 4.2 改进的FCM 聚类算法
• 4.2.1 聚类分裂
• 4.2.2 改进后的FCM 聚类步骤
• 4.3 高维索引
• 4.3.1 高维数据及其索引结构的特点
• 4.3.2 向量空间与度量空间索引结构分析
• 4.4 聚类方法与树形索引结构的融合
• 4.5 一种新的高维索引结构——HC-Tree
• 4.5.1 建立聚类树
• 4.5.2 插入算法
• 4.5.3 节点分裂策略
• 4.5.4 查询机制
• 4.5.4.1 QBE（Query By Example） 查询
• 4.5.4.2 性能分析与评价
• 4.5.4.3 启发式浏览查询
• 4.6 分析与总结
• 第五章 基于内容的多媒体信息检索系统设计与实现
• 5.1 MIRSYS 系统检索结构
• 5.1.1 图像检索系统结构
• 5.1.2 视频检索结构
• 5.2 MIRSYS 的网络结构
• 5.3 MIRSYS 系统实现
• 5.3.1 后台的多媒体数据库管理器
• 5.3.2 搜索引擎网络服务器实现
• 5.3.3 检索人机交互接口页面
• 5.4 小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 进一步工作的展望
• 参考文献
• 摘要
• Abstract
• 致谢