基于流形學習的圖像檢索技術研究.pdf

1、圖像檢索是當前互聯(lián)網(wǎng)時代的基本需求?；趦?nèi)容的圖像檢索(Content Based ImageRetrieval,CBIR)是圖像檢索領域的熱點研究方向。CBIR利用圖像低層視覺特征進行圖像的對比和檢索，成功克服了關鍵字圖像檢索方法存在的關鍵字描述不準確、檢索效率不高等問題，并具有易于自動化、智能化的特點。被廣泛應用于互聯(lián)網(wǎng)圖像搜索，人臉識別等領域。
　　傳統(tǒng)的CBIR系統(tǒng)通常有特征提取、維數(shù)約簡、相似性對比、檢索結果分類等幾個主

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

3、了討論。其中對“維度災難”和“語義鴻溝”問題的定義、產(chǎn)生的背景及原因等方面進行了詳細的介紹。
　　(2)對CBIR系統(tǒng)中所涉及的主要技術進行了詳細的介紹，其中圖像特征提取，檢索結果分類算法作為背景知識簡略介紹，重點對和本文研究內(nèi)容相關的降維算法、相關反饋和檢索結果評分進行了詳細的介紹并進行了深入的分析，對其中存在的主要問題進行了介紹。
　　(3)流形學習是降維算法中的熱門方法，本文對流形學習的發(fā)展歷史進行了簡單的回顧，并對其

4、中基于圖結構的相關算法，例如局部線性嵌入(LLE)，局部切空間排列(LTSA)等算法進行了介紹。同時，針對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。并通過大量的實驗進行了驗證。
　　(4)檢索結果評分是基于RF的CBIR系統(tǒng)中的關鍵環(huán)節(jié)，檢索結果評分效果的好壞直接影響到圖像檢索的效果和準確率。本文對目前常用的相似性度量方法進行