原创《移动视觉搜索技术进展与其在数字人文领域应用实践》：本文是一篇关于视觉论文范文，可作为相关选题参考,和写作参考文献。
[摘 要] 随着云计算、移动智能终端等信息技术飞速发展,视觉搜索开始从PC端走向移动终端,自移动视觉搜索（Mobile Visual Search,MVS）提出以来,已成为信息检索领域重要研究课题.目前MVS研究主要集中于基本架构、视觉对象处理、视觉对象检索等关键技术；在数字人文领域,MVS主要应用于展品导览,实现精准定位,提升阅读体验等；标准化问题、用户体验及视觉对象数据库构建则是其未来重点发展方向.
[关键词] 移动视觉搜索；数字人文
[分类号] G250 [文献标识码] A [文章编号] 1671-0037（2017）5-43-4
Abstract： With the rapid development of information technologies, such as cloud computing and mobile intelligent, Visual Search begins moving from the PC to the mobile. Mobile Visual Search （MVS） has become an important research topic in the field of information retrieval since it was put forward. At present, MVS research mainly focuses on the key technologies such as basic architecture, visual object processing and visual object retrieval； in the field of digital humanities, MVS is mainly used in exhibition, achieving precise positioning, enhancing reading experience and so on； standardization, user experience and the construction of visual object databases will be the key directions for future development.
Key words： Mobile Visual Search； digital humanities
MVS是基于移动搜索發展起来的,早在2002年英国就已出现“手机搜索音乐”.虽然目前国内外对MVS的研究尚处于初级阶段,但近几年随着增强现实技术（Augmented Reality,AR）、跨媒体检索技术（Cross-Media Retrieval）等技术的发展,学术界对其日益关注.目前MVS的研究仍以理论研究为主、应用研究为辅,但是随着移动搜索、图像检索、移动增强现实等技术不断发展与完善,与之相融合的MVS必将成为继搜索引擎之后互联网新一代革命性服务模式[1].
本文以“mobile visual search*”“移动视觉搜索”、MVS为主题词在SCIE、Ei、Scopus、PQDT、中国知网、万方、维普等数据库中检索,并通过引文追溯的方法来进一步补充相关文献,通过文献调研的方法,来揭示目前国内外移动视觉搜索技术研究进展,为我国移动视觉搜索研究提供参考.
1 移动视觉搜索技术研究进展
目前移动视觉搜索技术研究主要集于基本架构、视觉对象处理、视觉对象检索等关键技术.
1.1 移动视觉搜索基本架构
MVS基本架构有三种形式：标准架构、本地化架构和混合架构[2].三种基本架构各有优缺点,系统功能、应用领域不同,效果也不尽一样,详见表1.
1.2 视觉对象处理
视觉对象处理是移动视觉搜索的基本问题,主要包括视觉对象描述和提取、描述子压缩.根据提取特征的广度不同,视觉对象特征可分为局部特征、全局特征及随机特征三类.Tuytelaars等人[3]对三种特征描述子进行了对比分析：全局特征描述子能够表现图像的整体特征,但其计算量大且无法从复杂的背景中区分目标；随机特征描述子在不同的位置和尺度上采用不同的部分图像特征,能够很好的区分目标,但是,计算量庞大效率较低；局部特征描述子选取局部信息来构造图像特征,受图像变换影响小,识别准确,可在复杂背景中完成目标识别,虽然数字建模相对困难,但是,因为其高效的识别率是目前移动视觉搜索中视觉对象提取和描述的主要方法.在众多的局部特征描述子中,应用最广泛的是尺度不变描述子（Scale Invariant Feature Tranorm,SIFT）.
视觉对象压缩主要有基于图像层面和基于局部特征的.基于图像层面的视觉对象压缩方法有两类：局部描述符聚合[4]以及词汇编码直方图压缩[5].基于局部特征描述子压缩主要采取降维法,常用的有PCA-SIFT（Principal Component Analysis SIFT）[6]；SIFT-LDA（SIFT Linear Discriminant Analysis）[7]；LLE-SIFT（Locally linear embedding SIFT）[8].
1.3 视觉对象检索
为了统一视觉搜索流程,共享研究成果,斯坦福大学、美国高通公司等多家研究机构参与制定了MPEG Compact Descriptor for Visual Search （MPEG CDVS）国际标准,并于2015年在MPEG国际标准会议发布了最新的图像匹配流程和检索流程,主要包括视觉搜索架构、视觉搜索流程两项[9].针对视觉对象检索,国内外学者目前主要集中在两方面：优化视觉搜索性能和大规模图像信息检索.Li Dawei提出一种高效的移动视觉搜索系统（EMOVIS）,该系统使用两个独特的关键点识别方案来提高检索精度[10]；Ke Gao针对大规模移动视觉检索,提供一种离线查询扩展,提取多个具有代表性的特征,来支持快速准确的特征匹配[11].
视觉论文参考资料：
结论：移动视觉搜索技术进展与其在数字人文领域应用实践为关于本文可作为相关专业视觉论文写作研究的大学硕士与本科毕业论文视觉论文开题报告范文和职称论文参考文献资料。
