CBIR中相關(guān)反饋技術(shù)的研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，基于內(nèi)容的圖像檢索已經(jīng)成為圖像處理領(lǐng)域一個(gè)研究熱點(diǎn)。但由于圖像理解技術(shù)發(fā)展有限，圖像的視覺(jué)底層特征與高層語(yǔ)義之間存在鴻溝，使基于內(nèi)容的圖像檢索結(jié)果不能滿足用戶的需求。為了克服這個(gè)困難，在圖像檢索中引入了人機(jī)交互的相關(guān)反饋技術(shù)，有效的提高了系統(tǒng)的檢索性能。論文首先對(duì)相關(guān)反饋技術(shù)的發(fā)展現(xiàn)狀以及特點(diǎn)進(jìn)行了綜述，然后在相關(guān)反饋技術(shù)所涉及的查詢向量修改，權(quán)值矩陣更新以及長(zhǎng)期學(xué)習(xí)策略上進(jìn)行了深入的研究。論文取得的創(chuàng)新成果如下：1

2、.從非參數(shù)估計(jì)的角度出發(fā)，利用核密度估計(jì)理論，把經(jīng)核密度估計(jì)得到的樣本分布的峰值作為更新后的查詢向量，并引入均值漂移的優(yōu)化方法，通過(guò)迭代獲得最優(yōu)的查詢向量。 2.對(duì)于當(dāng)前的反饋，通過(guò)分析所有相關(guān)圖像與非相關(guān)圖像特征各維的分布情況，動(dòng)態(tài)更新不同特征之間權(quán)重以及每個(gè)特征各維之間的權(quán)重來(lái)捕捉用戶的查詢意圖。 3.從長(zhǎng)期學(xué)習(xí)的策略出發(fā)，建立了一個(gè)有記憶性的語(yǔ)義樹(shù)來(lái)實(shí)時(shí)記錄用戶的反饋檢索情況，有效的縮小了后繼圖像檢索時(shí)的搜索空間并