Sökning: onr:"swepub:oai:DiVA.org:umu-206417" >
Statistical modelin...
Statistical modeling for image matching in large image databases
-
- Källberg, David, 1982- (författare)
- Umeå universitet,Institutionen för matematik och matematisk statistik
-
- Seleznjev, Oleg, 1954- (författare)
- Umeå universitet,Institutionen för matematik och matematisk statistik
-
- Leonenko, Nikolaj (författare)
- School of Mathematics, Cardiff University, Cardiff, United Kingdom
-
visa fler...
-
- Li, Haibo, 1960- (författare)
- Umeå universitet,Institutionen för tillämpad fysik och elektronik
-
visa färre...
-
(creator_code:org_t)
- IEEE, 2011
- 2011
- Engelska.
-
Ingår i: 2011 International Conference on Internet of Things and 4th International Conference on Cyber, Physical and Social Computing. - : IEEE. - 9780769545806 ; , s. 648-652
- Relaterad länk:
-
https://urn.kb.se/re...
-
visa fler...
-
https://doi.org/10.1...
-
visa färre...
Abstract
Ämnesord
Stäng
- Matching a query (reference) image to an image extracted from a database containing (possibly) transformed image copies is an important retrieval task. In this paper we present a general method based on matching densities of the corresponding image feature vectors by using the Bregman distances. We consider statistical estimators for some quEDratic entropy-type characteristics. In particular, the quEDratic Bregman distances can be evaluated in image matching problems whenever images are modeled by random feature vectors in large image databases. Moreover, this method can be used for average case analysis for optimization of joining large databases. © 2011 IEEE.
Ämnesord
- NATURVETENSKAP -- Data- och informationsvetenskap -- Datorseende och robotik (hsv//swe)
- NATURAL SCIENCES -- Computer and Information Sciences -- Computer Vision and Robotics (hsv//eng)
Nyckelord
- Approximate matching
- Asymptotic normality
- Bregman distance
- Database join
- Image matching
- Image retrieval
Publikations- och innehållstyp
- ref (ämneskategori)
- kon (ämneskategori)
Hitta via bibliotek
Till lärosätets databas