1. 毕业设计（论文）主要目标：
于是本课题的目标在于用PageRank算法思想进行图像相关性分析，将图像按照相关性进行排序，从而优化查询结果，提高用户对图像搜索结果的浏览体验和浏览效率。
2. 毕业设计（论文）主要内容：
本文提出了一个基于图像局部特征的相关性分析方法。提取图像的SURF特征进行相似度匹配，将图像集合中的图像视为一个个相互连接的节点，并以图像之间的相似度为建立相关的连接矩阵。采用PageRank算法的核心思想，捕获图像之间基于视觉相关性的亲疏传递关连，不断迭代直至每个图像节点得到一个收敛的相关性权重，以完成图像的相关性分析。主要分为三个模块：
（1）提取图像的SURF局部特征，并对特征进行过滤；将图像集中的图像两两匹配，设定相似度匹配的阈值；生成图像连接矩阵。
（2）利用PageRank算法迭代对图像进行基于视觉内容的相关性分析，直至每个图像的中心权值收敛不变。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 主要参考文献
[1]Li J, Qian X, Li Q, et al. Mining near duplicate image groups[J]. Multimedia Tools Applications, 2014, 74(2):655-669.[2]Liu J, Huang Z, Cheng H, et al. Presenting diverse location views with real-time near-duplicate photo elimination[C]//Data Engineering (ICDE), 2013 IEEE 29th International Conference on. IEEE, 2013: 505-516.[3]Xie L, Tian Q, Zhou W, et al. Fast and accurate near-duplicate image search with affinity propagation on the ImageWeb. In Computer Vision and Image Understanding,pages 31-41, 2014.[4]Page L, Brin S, Motwani R, et al. The PageRank citation ranking: bringing order to the Web[J]. Stanford Infolab, 1999, 9(1):1-14.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
