基于內(nèi)容的支持向量機(jī)圖像檢索方法研究.pdf

1、隨著數(shù)碼設(shè)備、電子計(jì)算機(jī)和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,準(zhǔn)確、快速的圖像檢索方法已經(jīng)成為目前急需解決的研究熱點(diǎn)。其中,基于內(nèi)容的圖像檢索一直是圖像檢索領(lǐng)域研究的熱點(diǎn),它利用圖像的顏色、紋理等低層視覺(jué)特征信息來(lái)檢索具備相似特征信息的圖像,然而圖像的低層視覺(jué)特征與高層語(yǔ)義表達(dá)之間存在的語(yǔ)義鴻溝嚴(yán)重影響了圖像檢索的準(zhǔn)確度。為解決這一難題,人們常常將機(jī)器學(xué)習(xí)技術(shù)引入到圖像檢索算法中,通過(guò)機(jī)器學(xué)習(xí)圖像的低層視覺(jué)特征與高層語(yǔ)義表達(dá)之間的關(guān)系,達(dá)到縮小語(yǔ)義鴻

2、溝、提高檢索準(zhǔn)確度的目的。
　　 支持向量機(jī)(簡(jiǎn)稱SVM)是一項(xiàng)機(jī)器學(xué)習(xí)技術(shù),專門(mén)針對(duì)有限樣本預(yù)測(cè)問(wèn)題而設(shè)計(jì),具備結(jié)構(gòu)簡(jiǎn)單、全局最優(yōu)性、泛化能力強(qiáng)等特點(diǎn),目前已被廣泛應(yīng)用于模式識(shí)別的許多領(lǐng)域。本文利用SVM分類算法,通過(guò)對(duì)樣本訓(xùn)練使得計(jì)算機(jī)自動(dòng)學(xué)習(xí)特定類別圖像的特征,并構(gòu)造出多類分類器模型,然后利用該分類器模型對(duì)圖像庫(kù)中的測(cè)試圖像進(jìn)行分類和檢索,從一定程度上填補(bǔ)基于內(nèi)容的圖像檢索中存在的語(yǔ)義鴻溝。本文將經(jīng)典的圖像顏色特征與紋理特

3、征進(jìn)行結(jié)合,來(lái)提高圖像特征表達(dá)的能力,從而提高了圖像檢索的準(zhǔn)確度(查全率和查準(zhǔn)率)。
　　 針對(duì)SVM無(wú)法實(shí)現(xiàn)將一幅圖片中的多個(gè)對(duì)象賦予各自屬性的問(wèn)題,本文提出一種改進(jìn)的SVM圖像檢索方法,該方法采用分塊提取對(duì)象策略,先將部分圖像庫(kù)中的圖像進(jìn)行分塊操作,建立各對(duì)象的樣本圖像庫(kù),然后用SVM分類算法對(duì)樣本庫(kù)圖像進(jìn)行訓(xùn)練,構(gòu)造出多類分類器模型。在測(cè)試時(shí),將測(cè)試圖像進(jìn)行分塊,并將每一個(gè)子塊輸入分類器模型進(jìn)行分類,最后得到該測(cè)試圖像的一