交互式圖像檢索中的相關(guān)反饋技術(shù).pdf

1、近些年來,基于內(nèi)容圖像檢索逐漸成為一個(gè)活躍的研究領(lǐng)域.但是,由于當(dāng)前圖像理解技術(shù)的局限以及人類視覺認(rèn)知的主觀性,使得依賴于低層視覺特征的基于內(nèi)容圖像檢索系統(tǒng)難以達(dá)到應(yīng)用的要求.相關(guān)反饋技術(shù)通過把人的參與引入到檢索過程中來克服上述困難,并成為提高檢索性能的有效方法.論文對(duì)相關(guān)反饋的技術(shù)要點(diǎn)以及相關(guān)反饋算法的發(fā)展現(xiàn)狀作了深入、系統(tǒng)的討論和綜述,并研究了三種新的相關(guān)反饋技術(shù):結(jié)合語義分類信息的相關(guān)反饋技術(shù),結(jié)合標(biāo)記數(shù)據(jù)和未標(biāo)記數(shù)據(jù)進(jìn)行學(xué)習(xí)的相

2、關(guān)反饋算法,以及支持多級(jí)相關(guān)度量的相關(guān)反饋技術(shù).論文取得的創(chuàng)新性成果如下:1.提高了一種通過相關(guān)反饋技術(shù)把基于內(nèi)容圖像檢索和圖像語義分類相結(jié)合的方法.該方法根據(jù)圖像與語義類的類屬關(guān)系來構(gòu)成語義特征,與低層視覺特征一起用于圖像檢索,并在相關(guān)反饋方案中結(jié)合了兩個(gè)分別針對(duì)這兩種特征的相關(guān)反饋算法.2.提出了一種相關(guān)反饋的概率框架,它在利用標(biāo)記樣本的同時(shí)結(jié)合了全體樣本(標(biāo)記和未標(biāo)記的樣本)的分布特點(diǎn),從而有效地利用了未標(biāo)記數(shù)據(jù)來提高相關(guān)反饋算法

3、的性能.3.分析了在圖像檢索中使用多級(jí)相關(guān)度量的必要性,創(chuàng)新性地把順序回歸問題的研究引入到圖像檢索領(lǐng)域,并從相關(guān)度量尺度、順序回歸問題的特點(diǎn)及其求解思路、檢索性能度量等方面對(duì)支持多級(jí)相關(guān)度量的相關(guān)反饋?zhàn)髁嗽敿?xì)的論述.4.提出了用于順序回歸的級(jí)聯(lián)線性模型(CLM),并結(jié)合SVM設(shè)計(jì)了一種快速的順序回歸算法.該算法克服了經(jīng)典支持向量順序回歸算法速度慢的缺點(diǎn),并能達(dá)到與其相當(dāng)?shù)臋z索精度.5.設(shè)計(jì)了一種新穎易用的圖形化相關(guān)度量工具,并結(jié)合我們提