降維算法和相關(guān)反饋技術(shù)在圖像檢索中的應(yīng)用研究.pdf

1、近年來多媒體和互聯(lián)網(wǎng)技術(shù)飛速發(fā)展普及，用戶接觸和處理到的多媒體數(shù)據(jù)例如圖片、視頻等成指數(shù)級增長，面對海量的數(shù)據(jù)如何實(shí)現(xiàn)快速檢索提高檢索的精度也變成研究的難點(diǎn)課題，這使得多媒體圖像檢索技術(shù)成為當(dāng)前的研究熱點(diǎn)，在機(jī)器學(xué)習(xí)與計(jì)算機(jī)應(yīng)用領(lǐng)域也備受關(guān)注。目前利用高效的圖像降維算法和適當(dāng)?shù)南嚓P(guān)反饋技術(shù)是一種有效的研究途徑。
　　 本論文主要研究的是LPP降維算法的優(yōu)化PCA-LPP算法和基于LPP的相關(guān)反饋RFLPP算法。目標(biāo)是得到有效的改

2、進(jìn)算法以提高降維算法在圖像檢索中的檢索性能。本文主要的研究工作如下:
　　 1)對目前基于內(nèi)容的圖像檢索中的顏色、紋理特征、形狀輪廓、降維算法和相關(guān)反饋算法等問題就國內(nèi)外現(xiàn)狀做綜述性的分析;
　　 2)研究了PCA(Principal Component Analysis)、LE(Laplacian eigenmap)、LPP(Locality Preserving Projections)降維算法，將三種降維算法應(yīng)用于

3、圖像檢索中，通過對降維時(shí)參數(shù)的研究和圖像檢索的效果進(jìn)行對比實(shí)驗(yàn)，分析三種算法的優(yōu)勢和劣勢，并在此基礎(chǔ)上提出PCA-LPP算法，該算法是將PCA算法與LPP算法的優(yōu)勢結(jié)合來實(shí)現(xiàn)的，其與PCA算法的考慮全局不同的是以內(nèi)嵌的局部特征為研究重點(diǎn)，其與LPP算法相比能夠考慮非線性局部特征的基礎(chǔ)上更好的提高檢索的查全率，因此該算法具有對樣本點(diǎn)的噪聲等因素的干擾不敏感且繼承非線性降維算法的特點(diǎn)，通過與其他三種降維算法PCA、LE、LPP在多媒體圖像檢

4、索中的實(shí)驗(yàn)對比該算法較好的改善了檢索性能。
　　 3)研究降維算法中的LPP算法與基于神經(jīng)網(wǎng)絡(luò)的相關(guān)反饋技術(shù)結(jié)合，提出了LPP的相關(guān)反饋(-)RFLPP算法，其思想是在LPP算法的基礎(chǔ)上引入相關(guān)反饋技術(shù)，進(jìn)一步提高了檢索準(zhǔn)確度。利用LPP算法得到降維子空間，在子空間上得出查詢數(shù)據(jù)的k-近鄰構(gòu)成候選數(shù)據(jù)集，并與查詢數(shù)據(jù)集構(gòu)建一個(gè)權(quán)圖G，通過弗洛伊德算法求得圖G中任意兩個(gè)數(shù)據(jù)點(diǎn)之間的測地線距離并排序進(jìn)而得出反饋結(jié)果。