搜索引擎是在网络上搜索信息的重要工具。从经典的文本信息搜索开始，描述了搜索引擎技术在图像搜索中的应用，并着重于搜索引擎算法在图像恢复过程中的应用。像重组的概念和相关方法。键词：搜索引擎;图像恢复;图像重组中图分类号：TP391.41文献标识码：A文章编号：1007-9599（2013）04-0000-02引入计算机技术的发展，网络的普及，让人们的生活发生变化根本。互联网上获取所需信息已成为不可或缺的生活方式。么如何在网上获取信息？一个肯定的答案是：“搜索”。的，Soso，你可以有一个很好的建议或找到一个满意的答案。这个为我们提供服务的工具也不能不提到搜索引擎的功能。索引擎技术的发展允许用户在因特网上获得有用的信息，特别是传统文本搜索系统的成功应用，以便他们在搜索文本时能够快速获得信息。
息。像的初始恢复也是检索文本的方式。方法的优点是技术简单，成本低。
是，从整体来看，其内容非常丰富，纯文字信息无法表达，导致许多重要信息的流失;因此，出现了用于传送内容的图像恢复方法。通过分析图像的视觉特征来执行类似的数据库样本匹配，以找到相似的图像。容恢复过程如下：（1）用户输入查询的要求，（2）计算特征并计算相似度的对应关系，（3）生成搜索结果，（4）判决结果令人满意吗？ （5）是，完成，否则转1，重复该过程直到结束令人满意。
于上面的搜索过程，不难看出在检索信息时，仅考虑图像的内容，并且不考虑图像的文本信息。户。人们搜索信息时，在这方面通常存在隐含的需求，即所需的研究内容最好放在研究结果的最前沿，我们首先需要这些内容。此，在图像恢复期间，考虑用于图像恢复的文本信息提供了更好的恢复顺序效果。像检索的重组引起了研究者的更多关注。索图像恢复的重新排序方法经过上面的讨论，我们知道图像恢复后图像恢复后重新排序的问题是我们研究的一个关键点。
么，图像恢复后的重新排序是什么？图像检索后的重组[1]包括根据传统文本搜索的结果探索所得图像的视觉特征，并根据分离它们的内在关系重新组织所需结果。
的排序顺序可以更好地满足用户的搜索。已成为图像搜索的热门话题。前正在研究三种主要方法：基于虚拟相关返回的搜索。
方法将图像重新排序视为分类问题，假设大多数正确结果出现在搜索结果的前面，并且错误部分稍后出现。研究结果往往恰恰相反。用这种方法有一些缺点。2.2使用信息瓶颈理论来执行搜索处理。就是说，对初始搜索进行分组，然后通过每个类的条件概率执行相关处理。
2.3基于图论。方法根据平滑假设理论引入重排序问题，通过迭代得到样本相似度，然后得到重排序结果。成熟的是随机游走算法[2]。
图像重排中应用搜索引擎相关排序算法为了更好地应用搜索引擎相关性排序算法，在此研究图像的相似性是很重要的。此，如何提取图像的相似性是我们研究的主要内容。后，基于视觉图像特征的提取来计算图像相似度，主要有三种方法：基于全局特征的图像相似度，基于局部特征的图像相似度，以及整体图像和局部特征相结合，以获得图像相似性。能的整体相似性。
方法首先提取图像内容的整体特征，例如颜色，边缘，纹理等，然后计算相应特征的距离以获得图像的相似性。
这里，我们可以计算高斯核以获得图像的相似性。3.2地方特征的相似性。方法的计算类似于字典中单词的分布作为文本相似度，该图像被视为由视觉单词组成。
先，从图像库中提取局部特征描述符，然后将局部特征分组，并将簇视为一个词。
此，形成视觉词典，
宁波seo优化然后图像的局部特征类似于词分布。过计算相应的公式获得相似性。3.3全球和地方组合之间的相似性。种方法必须反映来自不同粒度的图像的视觉相似性，以便两者结合以获得更完整的图像相似性。上述三种获取图像相似度的方法中，不难看出这些方法在计算相似度时要注意图像本身的内容，而忽略了文本信息。与之相关。本搜索在搜索搜索引擎排名算法方面非常成功。此，可以设想将文本检索排序算法与图像相似度计算相结合，以更好地执行图形恢复处理。是与文本内容查询相关的相似性的度量。3.4与文本内容请求相关的图像相似性度量。过上述分析，我们知道三种图像相似性获取方法在于通过提取全局特征或局部特征来计算图像相似度。
是，在查询中，某些计算与最初的想法相反。时，在实际应用中，使用查询时，很难在计算相似性时判断全局特征，例如查询的实例，搜索结果如图1所示。此，在计算图像的相似度时，请考虑放置查询，您将获得更好的结果。践证明，当查询被整合到图像相似度的计算中时，不同的方法会产生不同的排序效果。
如，我们通过查询获取图像的初始顺序，使用文本提出的相似性度量作为参考标准，然后使用随机游走算法重新排列图像并将其与基于局部，全局和局部Glbal功能，LinearComb和我们提出的方法测量图像相似性的其他方法，包括QueryDependent全局功能，称为Text。
们发现Text方法优于使用单一特征的图像恢复方法。
果如图2所示。之，利用搜索引擎技术进行图像检索，本文提出了一种基于与文本查询相关的图像相似性度量的方法，图像和局部特征的整体特征的相似性。过计算相似概率，使用与图像内容请求相关的方法来计算相似度。索引擎的实验结果表明这种方法更好。
本文转载自
宁波seo优化www.leseo.net
补充词条：
宁波seo哪家好
宁波seo推广公司
宁波seo排名
宁波seo优化公司
宁波网站排名优化
