Resumen

En visión por computadora, la recuperación de imágenes sigue siendo un problema significativo y el reciente resurgimiento de la recuperación de imágenes también se basa en otros métodos de postprocesamiento para mejorar la precisión en lugar de depender únicamente de una buena representación de características. Nuestro método abordó la recuperación de formas de imágenes binarias. Este artículo propone un nuevo esquema de integración para aprovechar al máximo la representación de características junto con la información contextual. Para la representación de características, utilizamos una representación invariante a la articulación; luego se utiliza la programación dinámica para un mejor emparejamiento de formas, seguido de un postprocesamiento basado en aprendizaje de variedades en un grafo de vecinos más cercanos mutuos modificado para mejorar aún más el puntaje de similitud. Realizamos experimentos extensos en la ampliamente utilizada base de datos MPEG-7 de imágenes de formas mediante el llamado puntaje de diana con y sin normalización del grafo de vecinos más cercanos mutuos modificado, lo que indica claramente la importancia de

• Materias:Recuperación de imágenes Textura direccional Software 3D Compresión de datos Detección de prominencia
• Subjects:Image retrieval Directional texturing 3D software Data compression Prominence detection
• Palabras claves:Visión por computadora; Recuperación de imágenes; Representación de características; Recuperación de formas; Métodos de postprocesamiento; Aprendizaje de variedades
• Keywords:Computer vision; Image retrieval; Feature representation; Shape retrieval; Postprocessing methods; Manifold learning