基于流形學(xué)習(xí)的圖像檢索技術(shù)研究.pdf

1、圖像檢索是當(dāng)前互聯(lián)網(wǎng)時(shí)代的基本需求。基于內(nèi)容的圖像檢索(Content Based ImageRetrieval,CBIR)是圖像檢索領(lǐng)域的熱點(diǎn)研究方向。CBIR利用圖像低層視覺特征進(jìn)行圖像的對(duì)比和檢索，成功克服了關(guān)鍵字圖像檢索方法存在的關(guān)鍵字描述不準(zhǔn)確、檢索效率不高等問題，并具有易于自動(dòng)化、智能化的特點(diǎn)。被廣泛應(yīng)用于互聯(lián)網(wǎng)圖像搜索，人臉識(shí)別等領(lǐng)域。
　　傳統(tǒng)的CBIR系統(tǒng)通常有特征提取、維數(shù)約簡、相似性對(duì)比、檢索結(jié)果分類等幾個(gè)主

2、要環(huán)節(jié)，主要存在“維度災(zāi)難”和“語義鴻溝”等問題。解決“維度災(zāi)難”問題主要通過使用降維技術(shù)來完成。而針對(duì)“語義鴻溝”問題，目前在CBIR中比較主流的是采用相關(guān)反饋技術(shù)(Relevance Feedback，RF)進(jìn)行處理，通過利用人的主觀認(rèn)知能力來提高CBIR系統(tǒng)檢索的準(zhǔn)確性。本文針對(duì)CBIR系統(tǒng)中存在的這兩個(gè)問題進(jìn)行了深入的研究。本文主要工作如下:
　　(1)深入分析了當(dāng)前CBIR系統(tǒng)的國內(nèi)和國際研究發(fā)展現(xiàn)狀，并對(duì)存在的問題進(jìn)行

3、了討論。其中對(duì)“維度災(zāi)難”和“語義鴻溝”問題的定義、產(chǎn)生的背景及原因等方面進(jìn)行了詳細(xì)的介紹。
　　(2)對(duì)CBIR系統(tǒng)中所涉及的主要技術(shù)進(jìn)行了詳細(xì)的介紹，其中圖像特征提取，檢索結(jié)果分類算法作為背景知識(shí)簡略介紹，重點(diǎn)對(duì)和本文研究內(nèi)容相關(guān)的降維算法、相關(guān)反饋和檢索結(jié)果評(píng)分進(jìn)行了詳細(xì)的介紹并進(jìn)行了深入的分析，對(duì)其中存在的主要問題進(jìn)行了介紹。
　　(3)流形學(xué)習(xí)是降維算法中的熱門方法，本文對(duì)流形學(xué)習(xí)的發(fā)展歷史進(jìn)行了簡單的回顧，并對(duì)其

4、中基于圖結(jié)構(gòu)的相關(guān)算法，例如局部線性嵌入(LLE)，局部切空間排列(LTSA)等算法進(jìn)行了介紹。同時(shí)，針對(duì)高維空間中存在的局部高曲率現(xiàn)象，本文提出了彎曲的線性局部切空間排列算法(WLLTSA)，通過使用角度度量方法較好的解決了高維空間中的局部高曲率現(xiàn)象。并通過大量的實(shí)驗(yàn)進(jìn)行了驗(yàn)證。
　　(4)檢索結(jié)果評(píng)分是基于RF的CBIR系統(tǒng)中的關(guān)鍵環(huán)節(jié)，檢索結(jié)果評(píng)分效果的好壞直接影響到圖像檢索的效果和準(zhǔn)確率。本文對(duì)目前常用的相似性度量方法進(jìn)行