基于内容的图像检索方法研究

发布时间：2017-06-09 16:15

  本文关键词：基于内容的图像检索方法研究，，由笔耕文化传播整理发布。

【摘要】： 随着多媒体信息技术和互联网技术的发展,特别是海量数据库的出现,图像信息越来越得到重视,如何从大量的图像中快速有效地查找出人们感兴趣的图像成为了急需解决的问题,基于内容的图像检索技术应运而生,并成为多媒体信息处理领域的研究热点。本文主要研究图像检索中的图像相似性分析和图像局部信息特征的应用。具体研究包括: 在研究基于图的数据分析方法基础上,提出了结合流形排序和区域匹配的二次排序检索策略。利用图像特征数据的流形分布结构对图像进行相似性排序,并通过区域匹配关系图获得图像的区域匹配权值修正排序结果。在相关反馈中,利用反馈得到的相关图像和不相关图像信息调整图像流形排序得分和图像区域对于描述图像内容的权值,进一步提高检索准确率。 给出了两种有效利用多示例学习进行图像检索的方法。第一种方法通过小波方法提取图像的显著点,以显著点区域作为示例,采用EM-DD方法进行多示例学习,利用学习结果进行图像的相似性排序;第二种方法首先对图像进行有效分割,以分割区域作为示例,利用示例的多样性密度和特征相似性生成以多示例包为顶点的加权图,并应用图的方法进行多示例学习。两种方法都在验证实验中取得了良好的检索结果。 在研究信息检索和分类中的隐语义分析方法的基础上,给出一种将概率隐语义分析的思想用于基于区域的图像检索的方法。该方法通过分析区域-图像同现概率的隐变量模型,并利用期望最大算法迭代计算隐含图像语义空间。通过求最大后验概率的方法近似建立区域-图像关联数据与隐含图像语义空间特征之间的映射关系,并对图像进行基于隐语义特征的流形排序,提高图像检索有效性。 上述方法在计算机上利用Matlab、Visual C++等工具,并采用Corel图像库作为实验图像进行了仿真实验,结果表明所提方法可以提高图像检索准确率。
【关键词】：基于内容图像检索 流形排序 区域匹配图 相关反馈 多示例学习 隐语义分析
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2008
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-8
• 目录8-10
• 图表索引10-12
• 第1章 绪论12-26
• 1.1 研究背景及意义12-14
• 1.2 基于内容图像检索的概述14-20
• 1.2.1 基于内容图检索的系统结构14-15
• 1.2.2 基于内容图像检索的关键问题15-20
• 1.3 基于内容图像检索研究现状20-23
• 1.4 本文的主要研究内容和创新点23-26
• 第2章 基于图的数据分析26-36
• 2.1 基于图的数据降维26-32
• 2.1.1 等距映射27-28
• 2.1.2 线性局部嵌入28-30
• 2.1.3 拉普拉斯特征映射30-31
• 2.1.4 保局投影方法31-32
• 2.2 基于图的数据相似性分析32-35
• 2.2.1 数据的流形排序算法32-33
• 2.2.2 流形排序算法分析33-34
• 2.2.3 流形排序示例34-35
• 2.3 本章小结35-36
• 第3章 结合流形排序和区域匹配的图像检索36-58
• 3.1 方法概述36-37
• 3.2 基于颜色和纹理的图像分割37-44
• 3.2.1 JSEG分割37-39
• 3.2.2 改进的分割方法39-43
• 3.2.3 分割结果及分析43-44
• 3.3 结合流形排序和区域匹配的检索方法44-53
• 3.3.1 全局特征排序44-47
• 3.3.2 结合区域特征的排序47-51
• 3.3.3 相关反馈51-53
• 3.4 实验结果53-57
• 3.5 本章小结57-58
• 第4章 多示例学习方法研究58-70
• 4.1 多示例学习概念58-59
• 4.2 多示例学习方法59-65
• 4.2.1 多样性密度方法59-61
• 4.2.2 支持向量基多示例学习方法61-65
• 4.3 结合流形排序的多示例学习方法65-68
• 4.3.1 问题分析65-67
• 4.3.2 方法实现67-68
• 4.4 本章小结68-70
• 第5章 基于多示例学习的图像检索方法实现70-84
• 5.1 基于显著点多示例学习的图像检索实现70-77
• 5.1.1 图像显著点提取70-72
• 5.1.2 基于显著点特征的检索72-73
• 5.1.3 基于显著点多示例学习的检索策略73-75
• 5.1.4 实验结果75-77
• 5.2 基于分割区域多示例学习的图像检索实现77-82
• 5.2.1 区域特征提取78-80
• 5.2.2 基于区域多示例学习检索策略80-81
• 5.2.3 实验结果81-82
• 5.3 本章小结82-84
• 第6章 基于隐含语义的图像检索84-94
• 6.1 隐语义分析方法84-88
• 6.1.1 隐语义分析84-85
• 6.1.2 概率隐语义分析85-88
• 6.2 基于区域-图像隐语义的图像检索88-92
• 6.2.1 区域和图像的关联描述88-89
• 6.2.2 图像概率隐语义模型89-91
• 6.2.3 图像隐语义检索91-92
• 6.3 实验结果92-93
• 6.4 本章小结93-94
• 第七章 总结与展望94-96
• 7.1 论文总结94-95
• 7.2 后续研究工作95-96
• 参考文献96-104
• 致谢104-106
• 在读期间发表的学术论文与取得的研究成果106

【引证文献】

中国博士学位论文全文数据库 前3条

1 刘峥;图像的语义标注及其改善问题研究[D];山东大学;2011年

2 曾成斌;多摄像机协同的行人检测技术研究[D];北京邮电大学;2011年

3 陈慧中;基于内容的月球遥感影像检索关键技术研究[D];国防科学技术大学;2012年

中国硕士学位论文全文数据库 前6条

1 左浩;模糊聚类与粒子群算法在图像分割中的应用研究[D];江西理工大学;2011年

2 高如如;基于内容的图像检索技术研究[D];中国科学技术大学;2011年

3 李鹤;基于B/S架构的药片检索系统[D];北京邮电大学;2012年

4 陈思维;基于内容图像检索技术算法的研究与实现[D];南京理工大学;2012年

5 岳柱;基于内容的图像检索技术研究[D];陕西科技大学;2013年

6 庄小芳;基于混合图结构的图像相似度的研究[D];福建师范大学;2013年

  本文关键词：基于内容的图像检索方法研究，由笔耕文化传播整理发布。

本文编号：436011