基于内容检索的图像数据库多维索引技术研究

【摘要】： 随着计算机技术的研究和发展,图像数据库正在许多领域,如医学图像数据库、商标图像库以及数字图书馆等方面得到越来越多的应用。为了在大容量的图像数据库中找到想要的图像,最有效的方法就是实现基于内容检索。这就需要先对图像提取相应特征组成特征库。图像的特征库一般都是多维数据库。多维数据库在计算机图形学,地理信息系统和多媒体数据库等各个领域都有广泛的应用。为了基于内容图像数据库的快速检索,必须借助于高效的索引技术。本文在分析多维数据索引技术的现状和各类索引结构特点的基础上,主要围绕下面两类构造索引的方法进行研究。 第一类方法是对多维数据直接构造索引。该类方法是直接对多维空间进行切分来构造树形索引结构。为了尽可能的减少重叠,提高索引效率。对其中的典型索引结构X-Tree、SS-Tree和SR-Tree进行了深入的剖析,针对SR-Tree分裂算法的不足,引入X-Tree中超级节点的思想,对SR-Tree的分裂算法进行了改进,设计了一种新的索引结构ESR-Tree。实验表明,该索引方法能有效提高索引效率。 第二类方法是先对多维数据进行处理再构造索引。该类索引算法在构造多维索引之前,先对多维数据通过各种变换,或通过映射降维,或构造矢量压缩文件。为了减少I/O次数和CPU时间,提高检索的效率,对其中的典型算法NB-Tree进行了深入分析,针对其只存储欧氏距离而忽视了空间位置关系的不足,引入角度信息对其进行了改进。实验表明,改进后的算法能有效提高索引效率。