基于深度学习的图像检索方法研究

发布时间：2021-10-31 11:46

　　近年来,随着互联网及多媒体技术的飞速发展,图像数据呈爆炸式增长,如何在海量图像中搜索到目标图像引起越来越多专家学者的关注。作为基于内容的图像检索（CBIR）中最关键的一步,图像特征提取一直是图像检索技术研究的热点和发展方向。深度学习能够让计算机自主学习,获得图像深层次特征,弥补用户与计算机之间的“语义鸿沟”,提高图像检索准确率。本文对如何快速有效地提取图像特征进行研究,通过尝试改进VGG-16网络模型,更高效地实现图像检索。首先,本文简单介绍了图像检索领域的研究背景及意义,从基于内容的图像检索以及深度学习两个方面分析了国内外研究现状。其次,从CBIR的基础理论和深度学习两方面介绍相关理论知识。从图像特征提取、相似性度量方法以及性能评价等方面对CBIR技术进行介绍,最后简要介绍了深度学习方面的相关理论知识和技术。然后,提出了一种基于多特征融合的图像检索算法。在HSV颜色空间中对图像进行非均匀量化的基础上,提取图像CCM、LBP及DBPMM特征,通过融合提取的多种图像特征,充分描述图像内容信息,提高检索准确率。并且在ZuBuD图像库以及Corel标准图像库上进行对比实验。实验证明了融合特征... 

【文章来源】：青岛科技大学山东省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

深度学习的发展历程

基于深度学习的图像检索方法研究22图2-3主流深度学习框架发展情况对比Fig.2-3Developmentcomparisonofmainstreamdeeplearningframeworks2.4本章小结本章主要重点介绍CBIR的基础理论和深度学习相关技术。首先，简要阐述基于内容进行图像检索的一般步骤。其次，分别从图像特征提娶相似性度量方法以及模型性能评价指标等多个方面对CBIR技术进行介绍。最后，简单介绍深度学习方面的相关理论知识和技术。

青岛科技大学研究生学位论文31以及1F值对检索结果进行评价。计算公式分别为：TPPTPFP=+（3-9）TPRTPFN=+（3-10）12PRFPR=+（3-11）3.3实验及结果分析本文选取ZuBuD图像库[52]以及Corel标准图像库[53]作为实验数据集。ZuBuD图像库是由两部分内容组成的建筑物图像库，第一部分包含1005张图像，其中每5张图像为相似图像；第二部分包含115张查询图像。Corel标准图像库是科雷尔公司进行收集整理的用于各种图像相关实验的数据集，由1000张不同类别图像组成，共包含人类、大象、花等10种类型，每种类型图像各100张。首先，在ZuBuD图像库上采用本文提出的方法进行检索实验。从ZuBuD图像库查询部分的115张图像中随机抽取一张作为目标图像（如图3-5），按照本文提出模型的检索流程，最终输出的检索结果见图3-6。图3-5随机抽取的目标图像Fig.3-5Randomlyextractedtargetimages（a）（b）

【参考文献】：
期刊论文
[1]基于多特征融合的图像检索方法研究[J]. 刘清.  电脑与电信. 2019(10)
[2]基于深度学习的图像检索研究[J]. 孙奇平.  景德镇学院学报. 2018(03)
[3]基于深度学习的显著性区域的图像检索研究[J]. 王立新,江加和.  应用科技. 2018(06)
[4]深度学习发展综述[J]. 侯宇青阳,全吉成,王宏伟.  舰船电子工程. 2017(04)
[5]基于深度学习的图像检索系统[J]. 胡二雷,冯瑞.  计算机系统应用. 2017(03)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[7]基于像素差分基元矩阵的图像检索[J]. 朱华东,宋威.  计算机应用研究. 2015(10)
[8]基于融合多特征的社会网上图像检索方法[J]. 郭海凤,李广水,仇彬任.  计算机与现代化. 2013(12)
[9]基于内容的图像检索技术[J]. 孙君顶,原芳.  计算机系统应用. 2011(08)
[10]一种基于多特征融合的图像检索方法[J]. 孔凡辉,柏晓辉,竺如生.  哈尔滨商业大学学报(自然科学版). 2010(03)

硕士论文
[1]基于机器学习的图像检索算法研究[D]. 朱佳欣.北京邮电大学 2018
[2]基于深度学习的图像检索研究[D]. 戴世稳.湖南大学 2017
[3]基于哈希编码的图像检索算法研究[D]. 赵秦敏.电子科技大学 2017
[4]基于LDA主题模型的图像检索研究[D]. 郭凯波.大连海事大学 2017
[5]基于SVM的相关反馈图像检索技术研究[D]. 金磊.华东师范大学 2006



本文编号：3468075