论文部分内容阅读
基于内容的视觉信息检索是由于视觉信息的飞速膨胀而得到关注并被提出来的。现代的基于内容的视觉信息检索算法通常存在一个重要的不足：算法常随着图象的平移、旋转、尺度等变化，准确性和效率都大幅度降低。本文提出一种新的基于p^2不变量的图象检索算法，该算法提取图象中关键点的位置（SIFT key localion），计算该图象点集的p^2不变量．并通过比较图象中p^2不变量的值的方式来确定图象间的相似度。用3类图象库（战斗机、花朵、动物）实验的结果都验证了该算法具有较好的平移、尺度和旋转不变性。