图像采集卡英文文献.docVIP

英文文献：(4000+) 基于相似性的可视化的图像采集 G.P.阮M.吴霞 感官智能信息系统，阿姆斯特丹大学， Kruislaan403，1098SJ荷兰阿姆斯特丹 电子邮件：fgiangnp，worringg@science.uva.nl 摘要 在很多文献中，很少有内容是基于利用可视化作为探索工具集合的多媒体的检索系统，。然而，在搜寻影像时没有实例，需要探索数据设置。截至目前，大多数可用的系统只显示图像的二维网格形式的随机集合。最近，先进的基于相似技术已被开发用于浏览。然而，他们没有分析可视化视觉大片集合时出现的问题。在本文中，我们明确提出这些问题。开始之前，我们建立了三个总体要求：概述，可见性和数据结构保存。解决方案是为每一个需求提出了建议。最后，系统被提出并给出了实验结果，以证明 我们的理论和方法。 1引言 多媒体技术的发展和廉价的数码相机，可用性图像和视频集规模大幅增长。为了管理，探索并通过有哪些信誉好的足球投注网站并且收藏，可视化系统是必不可少的。许多工程已促成了这一有趣的领域[ 18 ] 。在基于内容检索的这一主要问题是系统的自动标注功能之间的语义鸿沟和在集合的概念上的存取条件与用户的要求。提高了系统的性能可从系统的角度，或从用户侧和从这些的组合中进行。在任何方式的集合中可视化是一个重要的元素，因为它是建立在用户之间的联系的最好方式和系统。在文献中，很少有基于内容的多媒体检索系统利用可视化作为探索的工具集合。然而，在搜寻影像时没有从实例入手，设置需要探索数据。截至目前，大多数可用的系统只显示图像的二维网格形式的随机集合。并且浏览是依赖于图像之间的关系。因此，应根据相似性。对于描述，查询，有哪些信誉好的足球投注网站等基本特征或例子是最适当的方式就是可视化浏览。最近，更多先进的技术已被开发用于浏览基于相似性。然而，他们没有分析可视化可视化集合时出现的特殊问题。例如，作为图像集的大小需要的空间是非常大的，从集合随机选择一组图片不能被认为是一个正确的做法。用户使用此选项设置，只能得到数据库里面的能是什么的感觉。在另一方面，显示（即无论大小或分辨率）的限制，不允许任何系统，以显示整个集合。此外，显示所有图像时甚至不给用户提供更多的信息，而且还容易让图像迷失在拥挤的网络图像中。有些系统取得了一个电子，通过展示剩余来缓解这种限制。并整个收集到用户中作为一个点集。然后，每个图像由显示器上的一个点来表示，并且一旦用户选择了一点，他们将得到的实像的可视化。但是从实际的角度看来，这种做法是不容易的，因为用户在看一千多个点。此外，每一个图像都是一个可视对象，因此其总含量多少应对用户是可见的。在本文中，我们提出的所有问题都得到明确。本文的结构如下。在第2节中，我们分析出一些要求用于可视化大图像集合。然后在第3节，为每一个需求得出解决方案。最后，第4所示的实验结果与真实的数据。 2问题分析 在本节中，我们更详细地分析一个可视化视觉大片集合时出现的问题。从为了一个共同的可视化系统存在的一般要求是去NED。在可视化的大集合的RST的问题是，由于其在尺寸和分辨率的限制，以显示他们的设备的有限显示尺寸，这就是所谓的可视空间。同时，该大小 集合通常比可视空间的所能承受的能力小大要大得多。其次，由于图像是视觉对象的任何可视化工具的最终目的是要显示图像的内容。由于空间限制，只有一小部分的图像可以在同一时间被显示。随机选择这些图像的肯定不是一个好方法，因为它是不能够显示整个集合的分布。为了克服这个问题，所选择的集合应该能够代表整个集合或者至少给用户一组，他感兴趣的概述。这个问题已经被研究出，在这里笔者指出，在设计信息可视化系统中概述是最重要的标准。因此，在RST标准的最佳可视化工具是概述的要求。在收集影像的过程中通常又把他们当作同日或由相互关系的同一作者，或者共享相同的视觉特征 。这意味着，每个图像被表示为特征向量。为实例中，如果每个图像的RGB直方图与32bins为每个颜色通道提取，特征向量是一个96维的向量。因此，整个收集建立了一个高维特征空间。通常情况下，特征的维数比3大很多，人类视觉尺寸的最大数目内是能够捕捉。一个映射算法在特征空间的可视化空间中是必要的。一些知名映射技术比如：PCA （主成分分析） ， MDS （多维缩放） ，或更近的方法ISOMAP （等距） ， SNE （随机邻居嵌入） ，液液萃取（本地线性嵌入）。例如，作者用PCA进行数据映射到二维，同时在ISOMAP中被使用。然而，数据驱动的距离和一般屏幕之间的距离精确匹配是不可能的。此外，在特征空间，图片收藏往往遵循一定的非线性结构。例如，给定的视频序列，该组的序列的帧将具有直链结构，如果相机捕捉车沿街，或环状结构移动，正如视频捕捉器在一个时钟或一小时的指针移动。因此，将数据映射投入到可视化空间