CBIR系統(tǒng)中的Bayesian相關(guān)反饋技術(shù)研究.pdf

1、隨著多媒體數(shù)據(jù)的日益發(fā)展和普及,多媒體相關(guān)技術(shù)的研究成為當(dāng)前信息領(lǐng)域的一個(gè)熱點(diǎn),特別是基于內(nèi)容的圖像檢索(Content Based Image Retrieval,CBIR),形成了一類新的前沿課題.CBIR系統(tǒng)提取圖像中顏色、形狀以及紋理等視覺特征,并將其作為檢索依據(jù)實(shí)現(xiàn)圖像檢索.實(shí)際圖像檢索中,用戶所采用的語義查詢方式和圖像的視覺特征描述之間的差異很大,而現(xiàn)有的信息處胖和數(shù)據(jù)分析技術(shù)很難獲得二者之間滿意的映射關(guān)系,因此僅通過視覺特

2、征進(jìn)行的檢索在效果上往往不能滿足用戶需求.該論文旨在利用相關(guān)反饋方法來提高CBIR系統(tǒng)的檢索效果.為了描述用戶選擇在檢索過程中的主觀性和隨機(jī)性,該文在基于貝葉斯學(xué)習(xí)的相關(guān)反饋算法中引入動(dòng)態(tài)分布函數(shù),實(shí)現(xiàn)了特征權(quán)值的動(dòng)態(tài)更新.實(shí)驗(yàn)結(jié)果顯示檢索效果得到了顯著的提高.該文研究工作的主要特色和貢獻(xiàn)有:1、對(duì)CBIR系統(tǒng)中的相關(guān)反饋技術(shù)進(jìn)行了詳細(xì)的研究,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)新的貝葉斯相關(guān)反饋算法.該算法針對(duì)現(xiàn)有相關(guān)反饋技術(shù)的不足,用特征權(quán)值的動(dòng)態(tài)分布

3、函數(shù)對(duì)用戶選擇的主觀性和隨機(jī)性進(jìn)行建模.2、由于分布函數(shù)在形式上具有多樣性,該文重點(diǎn)研究了兩類動(dòng)態(tài)分布函數(shù):線性分布函數(shù)族和正態(tài)分布函數(shù)族,并根據(jù)用戶的反饋信息對(duì)這兩類分布函數(shù)進(jìn)行了參數(shù)估計(jì).在此基礎(chǔ)上,給出動(dòng)態(tài)分布函數(shù)的一般性設(shè)計(jì)方法.3、結(jié)合CBIR系統(tǒng)中廣泛應(yīng)用的一些性能評(píng)估參數(shù),建立了一組性能評(píng)竹參數(shù),針對(duì)CBIR系統(tǒng)中的性能評(píng)估問題給出了一些新的思路.基于這組性能評(píng)估參數(shù)進(jìn)行的大量檢索實(shí)驗(yàn),驗(yàn)證了該文算法的穩(wěn)定性和收斂性.與權(quán)