聚類(lèi)在基于語(yǔ)義圖像檢索中的研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)和多媒體信息技術(shù)的發(fā)展，數(shù)字圖像資源也日趨豐富，如何快速有效地從海量的圖像數(shù)據(jù)庫(kù)中檢索出滿足用戶需求的圖像，是現(xiàn)在一個(gè)非常重要的研究方向。用戶在檢索圖像的時(shí)候，更多的還是追求高層語(yǔ)義上的相似與匹配，所以，基于語(yǔ)義的圖像檢索漸漸成為研究的重點(diǎn)。圖像的底層特征的提取技術(shù)已經(jīng)相對(duì)成熟，而圖像的高層語(yǔ)義的提取及描述技術(shù)卻還是個(gè)難以解決的問(wèn)題，所以，建立底層特征和高層語(yǔ)義之間的聯(lián)系就成了解決“語(yǔ)義鴻溝”問(wèn)題的關(guān)鍵。
　　本文提出了

2、一種基于聚類(lèi)的語(yǔ)義圖像檢索方法，在圖像的底層視覺(jué)特征和高層語(yǔ)義之間建立了聯(lián)系。聚類(lèi)是一種無(wú)監(jiān)督學(xué)習(xí)方法，一直以來(lái)都是用于圖像分割領(lǐng)域，并未直接用于圖像檢索當(dāng)中，而本文將聚類(lèi)直接應(yīng)用到圖像檢索技術(shù)當(dāng)中，先用聚類(lèi)算法結(jié)合圖像的底層特征分類(lèi)圖像，建立底層特征與高層語(yǔ)義之間的聯(lián)系，使圖像分成不同語(yǔ)義的類(lèi)別，再進(jìn)行相似性比較，使檢索結(jié)果更加符合用戶需求。
　　本文針對(duì)兩種不同的聚類(lèi)算法在圖像檢索中的應(yīng)用做了仿真實(shí)驗(yàn)比較。提取圖像的顏色特征，

3、用傳統(tǒng)的K-means算法和譜聚類(lèi)方法中改進(jìn)的NCut算法分別對(duì)圖像庫(kù)進(jìn)行語(yǔ)義分類(lèi)，并對(duì)結(jié)果進(jìn)行分析。經(jīng)實(shí)驗(yàn)證明，NCut算法分類(lèi)效果較好，應(yīng)用到圖像檢索能夠得到更好的檢索結(jié)果。
　　本文用分類(lèi)效果較好的NCut聚類(lèi)算法，結(jié)合圖像的顏色特征和形狀特征，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于聚類(lèi)的語(yǔ)義檢索系統(tǒng)。首先提取圖像的顏色特征，然后用顏色特征建立相似性矩陣，結(jié)合NCut算法對(duì)圖像進(jìn)行語(yǔ)義聚類(lèi)，使圖像庫(kù)中圖像分成不同語(yǔ)義的類(lèi)別，計(jì)算查詢圖像與各語(yǔ)義