Resumen

La recuperación de imágenes basada en contenido es hoy en día una de las posibles y prometedoras soluciones para gestionar bases de datos de imágenes de manera efectiva. Sin embargo, con la gran cantidad de imágenes, todavía existe una gran discrepancia entre las expectativas de los usuarios (precisión y eficiencia) y el rendimiento real en la recuperación de imágenes. En este trabajo, se proponen nuevas estrategias de optimización en la construcción del árbol de vocabulario, la recuperación y los métodos de coincidencia. Más precisamente, se redefine primero una nueva estrategia de agrupación que combina la clasificación y el método convencional -Means. Luego se construye una nueva técnica de coincidencia para eliminar el error causado por la transformación de características invariante a la escala (SIFT) a gran escala. Además, se propone un nuevo mecanismo de unidad para reducir el costo del tiempo de indexación. Finalmente, los resultados numéricos muestran que se obtienen excelentes rendimientos tanto en precisión como en eficiencia basados en las mejoras propuestas para la recuper

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Basado en contenido; Recuperación de imágenes; Estrategias de optimización; árbol de vocabulario; Técnica de coincidencia; Transformación de características invariante a la escala
• Keywords:Content-based; Image retrieval; Optimization strategies; Vocabulary tree; Matching technique; Scale-invariant feature transform