基于流形學(xué)習(xí)的圖像檢索及其應(yīng)用研究.pdf

1、隨著多媒體和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，人們可以隨時隨地進行各種各樣的交流，即時聊天、觀看視頻、瀏覽網(wǎng)頁、查找圖片等等，這些交流的方法手段隨著技術(shù)的進步也在不斷的被人更新以及提高著。這些給人們的生活帶來了巨大便利，不出門即可知天下事，想要觀看視頻，查找圖片，鼠標(biāo)輕輕一點，成千上萬圖像和視頻都會顯示出來。但是另一方面，這些圖像和視頻的增長也帶來了一些問題，例如信息資源的浪費。我們被大量的信息充斥其中，卻又缺乏知識。如何在保持數(shù)據(jù)信息足夠完整的意

2、義下從海量數(shù)據(jù)集中提取出有效而又合理的約簡數(shù)據(jù)，滿足存儲需求和人的感知需要是亟需解決的問題?；诜潜O(jiān)督統(tǒng)計的學(xué)習(xí)方法，流形學(xué)習(xí)算法給人們提供了一種思路。
　　 在對圖像、視頻或是其它高維數(shù)據(jù)進行處理的過程中，需要的樣本的數(shù)量會以指數(shù)速度增長，隨之而來的是樣本間的距離也會越來越小，這就是我們所說的“維數(shù)災(zāi)難”(DimensionCurse)問題。但是實驗中大部分的高維觀測數(shù)據(jù)各變量之間有著較強的相關(guān)性，數(shù)據(jù)集中包含著很多冗余信息，

3、那么高維觀測數(shù)據(jù)變量可以被表示為少量的幾個主要影響因素。即數(shù)據(jù)主要分布在低維流形上，或者位于低維流形附近。通過學(xué)習(xí)和發(fā)現(xiàn)這種嵌入規(guī)律，即可找出隱藏或嵌入在高維空間中的低維流形。這就是我們研究流形學(xué)習(xí)算法的主要目標(biāo)和宗旨。
　　 近年來流形學(xué)習(xí)算法由一開始的在模式識別、計算機視覺上的應(yīng)用已經(jīng)擴展到基于內(nèi)容的圖像檢索、人臉識別、視頻拷貝檢測、醫(yī)學(xué)圖像處理、鏡頭分割等眾多領(lǐng)域。文章中著重介紹流形學(xué)習(xí)在基于內(nèi)容的圖像檢索和鏡頭分割上的應(yīng)

4、用。由于一個鏡頭可以看作是有相似特征視頻幀的集合，基于流形學(xué)習(xí)的圖像檢索算法也被試著運用到視頻的鏡頭分割上。對在視頻幀集合或查詢圖像和圖像數(shù)據(jù)庫中提取的特征進行維數(shù)約減，在低維嵌入上進行歐氏距離的比較，并設(shè)定相應(yīng)的閾值，在閾值范圍之內(nèi)的即可認為在一個鏡頭中或是查詢圖像的相似圖像，反之，則屬于不同的鏡頭或是和查詢圖像不相似。
　　 本論文的主要創(chuàng)新和貢獻包括以下兩個方面:
　　 (1)介紹了多種流形學(xué)習(xí)算法并將流形學(xué)習(xí)算法

5、引入到基于內(nèi)容的圖像檢索中?；趦?nèi)容的圖像檢索技術(shù)的核心問題之一就是圖像由特征向量表示，而這些特征向量一般都是高維向量，在龐大的圖像數(shù)據(jù)庫中，對高維向量進行順序比較的過程是相當(dāng)費時的。而流形學(xué)習(xí)算法的主要思想是可以有效地發(fā)現(xiàn)高維數(shù)據(jù)分布的內(nèi)在幾何結(jié)構(gòu)，挖掘隱藏在高維數(shù)據(jù)中的本征信息與內(nèi)在規(guī)律，實現(xiàn)維數(shù)約簡。將流形學(xué)習(xí)算法和基于內(nèi)容的圖像檢索技術(shù)結(jié)合起來，可以有效地解決圖像特征向量這一高維向量在龐大的圖像數(shù)據(jù)庫查詢中運用大量時間和運算量大

6、的問題。
　　 (2)介紹了基于流形學(xué)習(xí)的鏡頭分割算法。一般來說鏡頭分割是視頻處理的第一步，是基于內(nèi)容的視頻檢索和瀏覽的基礎(chǔ)，關(guān)鍵幀提取、高層語義分析、檢索等都以此為基礎(chǔ)。因此在鏡頭分割的過程中提取出有效而又約減的特征是很有必要的。文中提出的基于流形學(xué)習(xí)的鏡頭分割算法在實驗中可以實現(xiàn)這一想法。將視頻幀作為高維向量，將其進行維數(shù)約簡，有效地解決視頻處理中運算量大的問題。而且將算法和經(jīng)典的鏡頭分割算法進行比較，在準(zhǔn)確率上有一定的提高