高光谱图像RF-CBIR相异度空间的进一步结果
信息检索
2014-03-18 v1 计算机视觉与模式识别
摘要
基于内容的图像检索（CBIR）系统是图像数据库中强大的搜索工具，但很少应用于高光谱图像。相关反馈（RF）是一个迭代过程，利用机器学习技术和用户反馈来提高CBIR系统的性能。我们旨在扩展先前关于高光谱CBIR系统的研究，这些系统基于相异度函数，该函数定义在通过光谱解混技术提取的光谱和空间特征上，或基于通过基于字典的压缩器提取的字典上。这些相异度函数不适用于直接应用于常见的机器学习技术。我们提出使用基于相异度空间的RF通用方法，该方法更适合将机器学习算法应用于高光谱RF-CBIR。我们在真实高光谱数据集上验证了所提出的用于高光谱CBIR系统的RF方法。
引用
@article{arxiv.1307.1289,
title = {Further results on dissimilarity spaces for hyperspectral images RF-CBIR},
author = {Miguel Angel Veganzones and Mihai Datcu and Manuel Graña},
journal= {arXiv preprint arXiv:1307.1289},
year = {2014}
}
备注
In Pattern Recognition Letters (2013)