基于SVM的CBIR相關(guān)反饋技術(shù)研究.pdf

1、隨著數(shù)字化影像設(shè)備在醫(yī)學(xué)領(lǐng)域中日益廣泛的應(yīng)用，醫(yī)院每天都要產(chǎn)生大量的數(shù)字圖像。如何有效地進(jìn)行數(shù)字圖像的管理，是實(shí)現(xiàn)計(jì)算機(jī)輔助診斷，達(dá)到“無紙化、無膠片化”的信息化醫(yī)院的關(guān)鍵。基于內(nèi)容的圖像檢索(CBIR)是實(shí)現(xiàn)數(shù)字圖像管理的重要途徑。CBIR是目前計(jì)算機(jī)圖像研究的熱點(diǎn)，不同于傳統(tǒng)的文本檢索，它將圖像的內(nèi)容有效地結(jié)合到圖像檢索系統(tǒng)中，對于醫(yī)學(xué)圖像的管理將起到極其重要的作用。
　　 在CBIR系統(tǒng)中，圖像內(nèi)容通常由圖像的底層特征來表

2、示，然而圖像的底層特征和高層語義之間往往存在較大的語義鴻溝，僅僅根據(jù)圖像底層特征得到的檢索結(jié)果很難滿足用戶的要求。于是近年來人們將相關(guān)反饋機(jī)制引入到CBIR中。相關(guān)反饋技術(shù)對于基于內(nèi)容的圖像檢索至關(guān)重要，系統(tǒng)可以通過用戶的相關(guān)反饋來達(dá)到減小語義鴻溝的目的。
　　 本文在研究相關(guān)反饋的基礎(chǔ)上，提出了一種基于SVM的CBIR相關(guān)反饋方法。首先在分析了傳統(tǒng)SVM相關(guān)反饋算法存在的不足后，引入了主動(dòng)學(xué)習(xí)機(jī)制，提出了新的采樣算法；同時(shí)通過

3、分析用戶的反饋模式，提出了改進(jìn)的相關(guān)程度判斷模式；然后結(jié)合改進(jìn)的相關(guān)程度判斷模式，提出了Bsoft SVM(Best soft SVM)分類算法，通過引入軟標(biāo)記標(biāo)注不確定樣本，使SVM決策平面盡量偏向不確定數(shù)據(jù)，從而盡可能減小結(jié)構(gòu)風(fēng)險(xiǎn)，加速分類器的收斂速度。通過大量對比實(shí)驗(yàn)，證明了本文提出的算法相對于傳統(tǒng)SVM算法有更高的檢索效率。最后設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于SVM的醫(yī)學(xué)圖像相關(guān)反饋檢索系統(tǒng)，驗(yàn)證了本文提出的算法對CBIR的有效性。