圖像搜索重排序算法研究.pdf

1、隨著存儲設(shè)備、網(wǎng)絡(luò)以及壓縮技術(shù)的快速發(fā)展，網(wǎng)絡(luò)上可利用的多媒體資源增長迅速。如何快速有效的檢索圖像數(shù)據(jù)吸引了越來越多的研究者的關(guān)注。借助文本檢索的成熟發(fā)展，大多數(shù)的搜索引擎都采用基于關(guān)鍵詞的策略來進(jìn)行圖像檢索。然而由于文本信息所包含的大量噪音以及其描述內(nèi)容與圖像視覺內(nèi)容的不匹配等，使得基于關(guān)鍵詞的檢索結(jié)果不能令人滿意。因此，圖像重排序方法被提出。重排序指的是借助圖像的視覺特征等訓(xùn)練新的模型對基于文本信息檢索得到的初始排序結(jié)果進(jìn)行重新排序

2、，使符合用戶搜索需求的結(jié)果排序位置靠前。
　　重排序主要是指相關(guān)性重排序，即檢索結(jié)果是根據(jù)與查詢詞間的相關(guān)性按分值從高到低排序的。根據(jù)算法使用框架的不同，重排序算法可以分為基于線性組合、基于聚類、基于分類、基于圖模型等多種。算法中使用的特征也有很多種，可以分為單模態(tài)和多模態(tài)的，也可以分為文本特征和視覺特征等。由于單模態(tài)特征的描述能力有限，多數(shù)算法都采用多模態(tài)特征。由于低層特征與高層語義間的語義鴻溝，用視覺特征改善基于文本特征的檢索

3、結(jié)果是一種合理的做法，所以多數(shù)算法都采用了視覺特征。重排序算法中，多模態(tài)特征間通常是獨(dú)立的。由于特征是對圖像語義的一種描述，不同模態(tài)特征從不同角度描述了圖像的內(nèi)容，因此各模態(tài)特征間不是獨(dú)立的?；谏鲜鰧μ卣鞯目紤]，本文在圖像重排序方面做了兩方面工作，分別介紹如下:
　　1.非對稱聯(lián)合重排序。算法考慮多模態(tài)特征之間的聯(lián)系，利用圖模型構(gòu)造了一個相似性矩陣解決圖像重排序問題。其中相似性矩陣在構(gòu)造過程中包括3種相似性:不同圖像相同模態(tài)特征

4、間的相似性、同一圖像內(nèi)不同模態(tài)特征間的相似性、不同圖像不同模態(tài)特征間的相似性。這種矩陣構(gòu)造方式有效的模擬了圖像之間的關(guān)系。
　　2.基于K近鄰聯(lián)合重排序。非對稱聯(lián)合重排序算法僅使用了一種視覺特征描述圖像，不能全面表達(dá)圖像的內(nèi)容，同時(shí)考慮到圖像數(shù)量增加后帶來的計(jì)算資源消耗問題?；贙近鄰聯(lián)合重排序算法算法增加了3種視覺特征并利用K近鄰算法改進(jìn)相似性矩陣過程。有效解決了非對稱聯(lián)合重排序中存在的兩個問題。
　　本文在數(shù)據(jù)集上與幾種