基于機器學習的圖像檢索若干問題研究.pdf

1、近十年來，隨著數(shù)碼相機、拍照手機、帶有攝像頭的移動電腦的普及，數(shù)字圖像得以大量涌現(xiàn)，而隨著互聯(lián)網技術的發(fā)展，特別是web2.0技術的流行，圖像的傳播和擴散也變得越來越容易。如何快速、有效地組織和管理這些海量的圖像信息，已經成為學術界和工業(yè)界共同關注的熱點問題。近些年來，隨著研究的深入，機器學習技術被廣泛的應用于圖像檢索領域，例如圖像標注、圖像內容的分類、用戶反饋的建模、圖像搜索結果的排序、圖像數(shù)據(jù)集的獲取等等。本文圍繞機器學習框架下的圖

2、像檢索這一研究主題，主要針對圖像標注(image annotation)、圖像重排序(image re-ranking)和物體檢測(objectdetection)這三個問題展開研究。主要研究內容包括：
　　 ⑴圖像標注的目的是根據(jù)圖像的視覺內容來確定對應的文本語義描述。本文提出了一種把詞匯間的語義關系嵌入到多類支持向量機中的圖像標注方法。首先，每幅圖像被分成5個固定大小的塊(block)，對于訓練集中的圖像，手工指定每個標注詞

3、對應于哪個塊，詞匯間的語義關系通過共現(xiàn)矩陣來計算。然后，利用MPEG-7視覺描述子表示每個塊的視覺特征。為了減少特征維數(shù)，采用了一種名為mRMR(最小重復性最大相關性)的特征選擇方法。同時針對Corel5000數(shù)據(jù)集中的80個語義詞，訓練了一個多類支持向量機分類器。最后，把支持向量機分類器的后驗概率輸出和詞匯間語義關系集成到一起，用于得到圖像的標注詞。在Cord5000數(shù)據(jù)集中的實驗表明此方法是有效的。
　　 ⑵圖像重排序是指在

4、原始搜索結果排序的基礎上，通過利用圖像內容、挖掘數(shù)據(jù)關聯(lián)、或者借鑒領域知識和人工交互，對原始搜索結果進行重排序提升用戶滿意度的過程。當前的商業(yè)搜索引擎盡管在語義相關性上取得很大進步，但由于較少利用圖像內容本身，造成圖像排序結果缺乏視覺多樣性。而一些研究者提出的純粹基于聚類的方法，在取得視覺多樣性的同時，又有把不相關圖像排在前面的風險。提出了一種同時兼顧語義相關性和視覺多樣性的圖像重排序方法，本算法是一種混合方法，把Leuken等人提出的

5、相互投票算法和Deselaers等人提出的貪心算法綜合起來，以同時獲得兩種方法的優(yōu)點。首先，每幅圖像根據(jù)視覺相似度為其它圖像投票，得票數(shù)最高的一些圖像作為候選者。然后利用一個受限的輕量級貪心算法來找出最相關和最有新鮮感的圖像作為聚類的中心。在計算視覺相似度時，混合了不同的視覺特征，包括顏色、紋理和主題特征。同時利用PLSA和LDA兩種潛在主題模型作為降維手段，并在實驗中比較了這兩種主題模型，并討論了綜合主題特征的優(yōu)點。首次引入了聚類查全

6、率和NDCG的調和平均值作為衡量排序性能的標準。對Google和Bing的初始排序結果做了大量的重排序實驗，與學術界領先的算法做了比較，通過計算聚類召回率、F1值、聚類召回率與NDCG的調和平均值表明，本文方法是可行的。
　　 ⑶物體檢測的目的在于不僅需要判斷出某圖像中有無該物體，還需要指出該物體在圖像中的具體位置。當前領先的物體檢測技術主要采用有監(jiān)督的機器學習方法并組合多種特征，這些基于有監(jiān)督學習的方法需要大量的訓練數(shù)據(jù)，但標

7、注用于物體檢測的訓練數(shù)據(jù)非常耗時，需要大量的人力。雖然一些研究者提出可以利用web圖像或者半監(jiān)督學習技術來獲取物體的圖像庫，但這些圖像庫中由于沒有物體的具體位置信息，一般情況下只能用于物體的分類。提出可以利用Flickr中的notes數(shù)據(jù)來獲取物體檢測數(shù)據(jù)集，本方法的目的是希望能夠以較少的人力提供用于物體檢測的訓練數(shù)據(jù)，并且保證訓練數(shù)據(jù)的高質量，這些可以通過挖掘Flickr中的notes數(shù)據(jù)來實現(xiàn)。Notes數(shù)據(jù)是由用戶在圖像中添加的感