A Fast New Rotation Insensitive WP-Based Method for Image Indexing and Retrieval
Notice bibliographique
Résumé
Large multimedia databases and digital image archival systems are being created in government, academia, military, hospitals, digital libraries, and businesses. Efficient methods to retrieve images from such large databases have become indispensable. In this chapter, the authors present a novel Wavelet Packet (WP)-based method for image identification and retrieval that enables the recovery of the original image from a database even if the image has been subjected to geometric transformations such as size-conserving rotation or flipping operations. The proposed method uses the correlation of wavelet packet coefficients to create an image signature. This signature is comprised of two parts. The first part is a short signature, SS, that represents the location of specific values of the WP coefficient correlations in each frequency band. The second portion is the basis signature of the image, which is a long signature, LS, of 1296 correlation points produced by summing up the correlation values along all frequency bands. Computer simulation results show that the method is extremely fast, has a perfect image retrieval rates (100%), and perfect geometric transformations recognition, if any. In addition, the simulation results show that target images are perfectly identified from an image database of 7500 image signatures within a short period of time (nearly 8 seconds on the average). This method is robust against geometric transformation and requires minimal data transfer and can be used for online image retrieval.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».