Описание алгоритмов кластеризации, реализующих задачу поиска изображений по содержанию –Content-Based Image Retrieval. Определение признаков изображения, по которым формируются кластеры изображений и рассмотрение способов извлечения данных признаков.
При низкой оригинальности работы "Обзор алгоритмов кластеризации, используемых в задачах поиска изображений по содержанию", Вы можете повысить уникальность этой работы до 80-100%
Настоящая статья посвящена краткому обзору основных алгоритмов кластеризации, реализующих задачу поиска изображений по содержанию - CBIR (Content-Based Image Retrieval). Поиск изображений по содержанию (CBIR, Content-Based Image Retrieval, в англоязычных источниках также известен как query by image content (QBIC) или content-based visual information retrieval (CBVIR)) [1] является разделом компьютерного зрения и решает задачу поиска изображений на основе анализа присущих ему характеристик. В качестве эталона выбирают образ, обладающий минимальной изменчивостью значений признаков на множестве возможных представлений данного образа. При поиске по содержанию каждое изображение коллекции описывается в системе векторами признаков (feature vector) (или просто признаками) - наборами числовых параметров, отражающих свойства низкоуровневых характеристик изображения. Рассмотрим комбинированный алгоритм муравьиной колонии и метода роя частиц (ACPSO) для кластеризации изображений в задаче CBIR.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
