Recuperação de imagens por conteúdo: uma abordagem multidimensional de modelagem de similaridade e realimentação de relevância
AUTOR(ES)
Emílio Zorzo Barcelos
DATA DE PUBLICAÇÃO
2009
RESUMO
This work presents a multi-dimensional similarity modeling strategy and relevance feedback technique for minimizing the semantic gap intrinsic problem of CBIR systems by allowing users to customize their queries according to their requirements and preferences. We propose a composite strategy using a multi-dimensional, vectorial, spatially clustered, and relevance-ordered approach. Given a set of k features which represents the elements in an image database, the similarity measure between a query image and another from the image collection is analyzed in k components, and the images are ranked on a k dimensional space according to their projections over the axis xn, where n = 1, 2, ... k. System experimentation was executed thoroughly using a test image database containing up to 20,000 pictures. The experimental results have shown that the presented approach can substantially improve the outcome in image retrieval systems.
ASSUNTO(S)
modelagem de similaridade vetorial processamento de imagens - técnicas digitais algoritmo genético realimentação de relevância multidimensional recuperação de imagens engenharia eletrica
ACESSO AO ARTIGO
http://www.bdtd.ufu.br//tde_busca/arquivo.php?codArquivo=2639Documentos Relacionados
- Realimentação de relevância via algoritmos genéticos aplicada à recuperação de imagens
- Recuperação de imagens por conteúdo baseada em realimentação de relevância e classificador por floresta de caminhos ótimos
- Relevance Feedback to content-based image retrieval to minimize semantic gap
- Recuperação por conteudo em grandes coleções de imagens heterogeneas
- Repertory grid, laddering e análise de conteúdo: uma abordagem psicométrica para entender profissionais de tecnologia da informação