图像数据库分类的自组织技术  

Self-Organizing Technique for Categorizing Image Database

作　　者：樊昀[1] 王润生[1] 

机构地区：[1]国防科技大学ATR国防科技重点实验室,湖南长沙410073

出　　处：《小型微型计算机系统》2002年第4期482-485,共4页Journal of Chinese Computer Systems

摘　　要：本文采用 Kohoenmap自组织神经网络技术 ,提出一种依据检索特征对图像数据库进行预分类的方法 .在文中利用这种预分类实现按类别浏览图像数据库 (image browsing by category)的功能 ,提出一种层次化的类 SS- tree的二分索引结构 .实现建立在预分类基础上的示例查询 .这种查询方法与穷搜索方法相比 ,具有更高的检索效率 ,检索次数随着库规模的增加不会显著增多 .In this paper, a cluster technique based on Kohonenmap neuron network is used to categorize the images in database. And image database browsing technique is realized based on image category. Also an index structure similar as SS-tree is proposed. Query by example is done on the image category, it is more efficient than exhaustive search method, and the compare time don't increase apparently with database size increasing. The experiments demonstrate the efficiency of our cluster algorithm and the proposed query by example method.

关 键 词：图像数据库 自组织神经网络 图像浏览 示例查询 索引结构 分类 

分 类 号：TP392[自动化与计算机技术—计算机应用技术]