Методы поиска графической информации в информационных системах

• Автор: Калачик, Роман Александрович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Тула
• Количество страниц: 161 с. : ил.

СОДЕРЖАНИЕ
Введение

1. Анализ методов поиска графической информации в информационнопоисковых системах

1.0. Введение

1.1. Общая структура информационнопоисковой системы

1.2. Существующие подходы к решению задачи поиска изображений в коллекциях

1.2.1. Неавтоматизированные ручные виды поиска

1.2.2. Полуавтоматические виды поиска

1.2.3. Автоматические виды поиска

1.3. Способы формирования изображений, используемых в ИПС

1.3.1. Формирование изображений с помощью технических средств

1.3.2. Методы синтеза изображений
1.4. Способы кодирования информации в изображениях, используемых в ИПС
1.5. Формальное описание цифровой модели изображения
1.5.1. Общие определения
1.5.2. Кодирование цвета в цифровых моделях изображений
1.6. Требования к информационнопоисковым системам и критерии оценки эффективности работы
1.7. Релевантность поиска графической информации
1.8. Существующие системы поиска 1рафической информации и области их применения
1.9. Постановка задачи на исследования
1 Выводы по главе
2 Формирование компактного описания изображения для решения задачи поиска по содержанию
2.0 Введение
2.1 Схема функционирования ИПС
2.2 Формирование графических миниатюр
2.3 Подход к построению формального описания изображения
2.4 Агрегирование сегментов
2.5 Общая схема метода формирования дерева агрегирования сегментов
2.5.1 Создание графа по изображению
2.5.2 Критерий объединения сегментов
2.5.3 Расчет минимального остова графа
2.6 Метод формирования дерева агрегирования сегментов
2.7 Выводы
3 Поиск графической информации по содержанию изображения
3.0 Введение
3.1 Нагруженные деревья агрегирования
3.2 Поиск соответствующих узлов в нагруженных деревьях агрегирования
3.3 Мера схожести соответствующих узлов нагруженных деревьев агрегирования
3.4 Методика сравнения нагруженных деревьев агрегирования сегментов
3.5 Классификация свойств сегментов
3.6 Вычисление свойств области сегмента
3.7 Вычисление свойств границы области
3.8 Вычисление комбинированных свойств
3.9 Методика индексирования графических изображений при организации базы данных изображений
ЗЛО Выводы
4 Экспериментальные исследования методов поиска графической информации
4.0 Введение
4.1 Описание программноаппаратного комплекса
4.2 Обобщенная структура алгоритма
4.3 Общая постановка экспериментальных исследований разработанных методов
4.4 Исследование эффективности работы алгоритма автоматической сегментации
4.5 Исследование эффективности критерия схожести изображений на синтезированных изображениях простых сцен
4.6 Исследования эффективности критерия схожести реальных изображений простых сцен
4.7 Исследование эффективности работы поисковой системы на коллекции реальных изображений сложных сцен
4.8 Выводы
Заключение
Список литературы


Аппаратная часть комплекса может иметь различный состав, в зависимости от задач заказчика. Обязательным элементом аппаратной части является память, в которой хранится неупорядоченный набор однородных данных, по которым осуществляется поиск. Программная часть комплекса реализует методы поиска информации в наборе данных. Основные структурные элементы программноаппаратного комплекса и схема взаимодействия между ними показаны на Ошибка! Источник ссылки не найден Пусть С = {/|,/2>- ЛЛ" множество однотипных данных хранящихся в ВС. Сг выполнялось условие /? VI ,2. Режим добавлении новой информации в ИПС. На рис. ИПС. Рис. Новая графическая информация может быть получена одним из следующих способов: посредством технических устройств формирования изображений (цифровая фото или видеосъемка, сканирование бумажных или пленочных материалов и т. ИПС. В настоящее время существует несколько принципиально разных подходов к решению задачи поиска изображений в коллекциях (рис. Рис. Рассмотрим подробнее каждую из перечисленных групп методов поиска графической информации. Навигация по коллекции изображений с участием оператора является наиболее простым подходом. Поиск изображений сводится к последовательному просмотру изображений оператором. Этот метод чаще всего применяется в современном программном обеспечении. Навигация по коллекциям изображений реализована во многих операционных системах и графических пакетах. Основным достоинством метода является простота реализации. Главный недостаток - низкая скорость поиска. Оператор способен идентифицировать графический образ в среднем за три секунды, поэтому навигация но коллекции из тысячи изображений займет около часа без учета усталости оператора. На практике часто встречаются коллекции, которые содержат десятки тысяч графических образов, причем для некоторых классов изображений время идентификации может быть гораздо больше среднего, например для рентгеновских снимков. Таким образом, данный способ поиска пригоден лишь для небольших коллекций, содержащих несколько десятков изображений. Второй подход — полуавтоматический поиск изображений в коллекции по ключевым словам. Поисковая сисгема работает в двух режимах. Основным режимом является поиск по текстовому запросу, режим и задания ключевых слов для изображений является вспомогательным. Поиск выполняется по ключевым словам автоматически, но для того чтобы осуществить поиск, необходимо предварительно каждому изображению сопоставить текстовый комментарий или набор ключевых слов, с которыми ассоциируется содержимое изображения. Преимуществом данного метода является высокий уровень абстракции запроса, например, «красивые места Франции». Однако поскольку процедура задания ключевых слов для изображений не автоматизирована, требует значительных затрат времени и часто игнорируется. Фактически поиск изображений по ключевым словам в подобных системах возможен лишь в очень редких случаях. В системах поиска по информации, содержащейся в самом изображении, как правило, реализуется подход поиска изображений по образцу (эталону). Методы, выделяющие признаки изображений. Корреляционные методы основаны на сравнении изображений путем прямого их совмещения с оценкой сумм интегральных разностей по всем каналам изображения. Данные методы редко применяются при поиске изображений, так как они применимы в основном только для поиска среди изображений одного класса и требовательны к вычислительным ресурсам, и, так как построить индекс изображений в данном случае невозможно (индексом является само изображение), скорость поиска линейно зависит от объема базы данных изображений, что неприемлемо уже на средних размерах базы данных. Методы нормализации при распознавании занимают промежуточное место между корреляционными и признаковыми алгоритмами. В отличие от признаковых при нормализации изображение не теряется, а заменяется нормализованным эквивалентным изображением. Алгоритмы нормализации существенно различаются для различных классов изображений, что затрудняет использование метода в общем случае.