基于內容的圖像檢索反饋算法研究.pdf

1、傳統(tǒng)的基于標注的圖像檢索主觀性太強、工作量太大?；趦热莸膱D像檢索技術克服了這些弊端，充分利用圖像自身的特點，由計算機自動分析提取圖像的內容特征（顏色、紋理、形狀及空間關系等）來進行圖像的有效檢索。然而，由于圖像語義特征和低層特征的“鴻溝”問題，給圖像檢索技術帶來了很大困難，目前提取的內容特征仍集中于顏色、紋理、形狀等低層特征。因此，如何結合語義特征，使得所抽取的低層物理特征和圖像內容所表示的語義特征之間建立良好的聯(lián)系，實現(xiàn)高效的圖像檢

2、索，仍是很長一段時間內需要研究解決的問題之一。
　　本文全面分析了圖像檢索各種技術和圖像檢索技術中的相關反饋算法，對基于修改特征權重的相關反饋算法進行了重點分析，對經典算法進行了仿真實驗。在此基礎上，提出了一種新的基于修改特征權重的相關反饋新算法。本算法一改以往的反饋算法，利用未標注圖像與反例圖像增大了訓練樣本數(shù)，在一定程度上解決了訓練樣本少的問題，提高了反饋的效率。本算法引入正例錯誤與反例錯誤的概念，并附加一定的條件同時利用正負

3、反饋樣本修改特征的權重，能更好的適應兩類樣本的不對稱性，進一步提高檢索精度。實驗結果證明了本算法的快速收斂性、有效性，并有很好的穩(wěn)定性。
　　本文在研究基于修改特征權重的相關反饋算法基礎上，提出了綜合低層特征和語義特征進行圖像檢索的算法。對于某些特殊情況，僅僅依靠修改特征相似度不能起到很明顯的效果，由此本文引入了語義關系矩陣，先通過對反饋日志的長期學習建立語義關系矩陣，之后再對語義關系矩陣進行優(yōu)化，實現(xiàn)了同時被標注為負反饋的圖像之