基于內(nèi)容語(yǔ)義的圖像檢索技術(shù)研究.pdf

1、圖像檢索最常用的方法有兩種：基于文本的圖像檢索TBIR和基于內(nèi)容的圖像檢索CBIR?；谖谋镜膱D像檢索使用關(guān)鍵字查找相關(guān)圖像，而基于內(nèi)容的圖像檢索也稱(chēng)為例子檢索，首先提取圖像的底層特征如顏色、紋理、形狀特征等，并以此表示圖像，通過(guò)計(jì)算圖像特征間的相似度進(jìn)行圖像檢索。當(dāng)用戶輸入一個(gè)例子圖像，系統(tǒng)自動(dòng)計(jì)算其它圖像與例子圖像之間的相似度，并輸出與其在視覺(jué)上相似的圖像作為檢索結(jié)果。然而由于圖像底層特征與高層語(yǔ)義間的鴻溝，基于底層特征的例子檢索遠(yuǎn)

2、不能達(dá)到所有用戶的需求，檢索準(zhǔn)確率和查全率都存在不足，因此基于語(yǔ)義的圖像檢索應(yīng)運(yùn)而生。
　　本文在閱讀大量文獻(xiàn)的前提下，對(duì)圖像檢索過(guò)程的關(guān)鍵技術(shù)進(jìn)行了總結(jié)和探討，根據(jù)已有技術(shù)進(jìn)行了創(chuàng)新和改進(jìn)，提出自己的圖像檢索方案，并通過(guò)大量實(shí)驗(yàn)，證明了本文方法的可行性。本文具體成果如下：
　?。?）通過(guò)整合圖像的文本及視覺(jué)信息，提出一種自動(dòng)將文本轉(zhuǎn)化為視覺(jué)表示的方法，實(shí)現(xiàn)基于跨媒體字典的圖像檢索。該方法先標(biāo)注圖像集挖掘文本和圖像間的關(guān)系，

3、建立一個(gè)類(lèi)似雙語(yǔ)字典的跨媒體字典，自動(dòng)將文本查詢轉(zhuǎn)化為視覺(jué)查詢，再分別對(duì)圖像進(jìn)行基于文本和基于視覺(jué)的檢索。
　?。?）圖像特征聚類(lèi)的方法常用的有k-means聚類(lèi)算法和模糊c均值聚類(lèi)算法。本文改進(jìn)了模糊c聚類(lèi)算法，提出一個(gè)新的概念為加權(quán)類(lèi)間分離模糊聚類(lèi)WISFC，對(duì)檢索圖像進(jìn)行雙重聚類(lèi)。第一步對(duì)所有圖像用 k-means 聚類(lèi)算法聚類(lèi)，將得到的聚類(lèi)質(zhì)心作為新算法的初始質(zhì)心，再次對(duì)圖像進(jìn)行聚類(lèi)。當(dāng)輸入一個(gè)例子圖像時(shí)，就可以用此方法獲

4、得例子圖像的特征向量，并通過(guò)距離計(jì)算返回相似度大的圖像。
　?。?）決策樹(shù)作為一種廣泛使用的分類(lèi)器，可以高效的對(duì)未知數(shù)據(jù)進(jìn)行分類(lèi)，本文提出一種運(yùn)用決策樹(shù)進(jìn)行圖像檢索的方法，利用圖像的高層語(yǔ)義對(duì)圖像進(jìn)行檢索。該方法共有兩個(gè)創(chuàng)新點(diǎn)：一是提取圖像的底層特征訓(xùn)練決策樹(shù)，并通過(guò)決策樹(shù)算法學(xué)習(xí)圖像的語(yǔ)義標(biāo)簽，從而將圖像連續(xù)的特征離散化，根據(jù)語(yǔ)義標(biāo)簽去檢索相似的圖像；二是在提取完圖像的顏色和紋理特征之后，采用典型相關(guān)分析CCA 算法增強(qiáng)兩類(lèi)特征