基于支持向量機(jī)的相關(guān)反饋圖像檢索算法研究.pdf

1、基于內(nèi)容的圖像檢索方法(Content-Based Image Retrieval，CBIR)有效解決了基于文本的圖像檢索方法(Content-Based Image Retrieval，TBIR)存在的人工注釋量大、注釋存在較強(qiáng)主觀性、少量注釋很難充分表達(dá)圖像完整信息以及不同語(yǔ)言標(biāo)注存在圖像語(yǔ)義理解差異等問(wèn)題，通過(guò)提取圖像的視覺(jué)特征，選擇合適的特征組合和查詢條件，即可實(shí)現(xiàn)查詢圖像與檢索圖像間的相似匹配。機(jī)器學(xué)習(xí)方法的提出，逐漸縮小了用

2、戶與PC機(jī)在圖像內(nèi)容理解上的語(yǔ)義差異，提高了檢索準(zhǔn)確性。支持向量機(jī)學(xué)習(xí)機(jī)制的提出，以所需圖像特征作為試驗(yàn)樣本數(shù)據(jù)，通過(guò)選取合適的核函數(shù)以及相關(guān)參數(shù)設(shè)置構(gòu)建分類器，對(duì)測(cè)試樣本進(jìn)行預(yù)測(cè)分類，以達(dá)到逼近的目的，從而檢索出相似度更接近的圖像。為了從以計(jì)算機(jī)為中心轉(zhuǎn)為以用戶為中心，研究人員提出相關(guān)反饋機(jī)制，對(duì)檢索結(jié)果進(jìn)行圖像標(biāo)記，通過(guò)多次反饋使得檢索結(jié)果更加吻合用戶檢索意圖。
　　實(shí)驗(yàn)系統(tǒng)以Visual C++6.0為開(kāi)發(fā)工具，并結(jié)合MAT

3、LAB2013a軟件，分別提取圖像的顏色、紋理以及綜合特征，圖像分塊有效彌補(bǔ)了圖像空間分布信息，借鑒詞袋模型(Bag of Words)可提高分類的準(zhǔn)確率，以不同數(shù)量的正負(fù)例圖像作為反饋檢索的實(shí)驗(yàn)樣本，分別以支持向量機(jī)以及極限學(xué)習(xí)機(jī)兩種不同的學(xué)習(xí)機(jī)制進(jìn)行分類器的設(shè)計(jì)，對(duì)圖像特征庫(kù)進(jìn)行學(xué)習(xí)預(yù)測(cè)，以提高檢索精度。實(shí)驗(yàn)表明，對(duì)于小規(guī)模圖像特征庫(kù)，支持向量機(jī)具有一定的優(yōu)勢(shì)，而對(duì)于大規(guī)模圖像特征庫(kù)，支持向量機(jī)存在一些不足，需要算法改進(jìn)或者結(jié)合一些