基于SVM語義分類和視覺特征提取的圖像檢索方法研究.pdf

1、隨著多媒體和計算機網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，數(shù)字圖像的數(shù)量正以驚人的速度增長，如何快速、準(zhǔn)確地檢索到所需要的圖像成為急需解決的問題，圖像檢索技術(shù)的研究已成為當(dāng)今多媒體技術(shù)中的研究熱點。由于圖像的低層視覺特征和高層語義之間存在著較大的語義間隔，導(dǎo)致單純基于其中一類特征的圖像檢索效果不佳。
　　本文提出將語義分類和基于視覺特征的圖像檢索結(jié)合起來，利用圖像庫的語義分類結(jié)果對視覺特征檢索結(jié)果進(jìn)行過濾。本文圍繞圖像語義檢索、圖像視覺特征的提取以及

2、基于學(xué)習(xí)機制的圖像分類問題做了細(xì)致的研究。
　　本文首先分析了目前在研究應(yīng)用中的三大類圖像檢索方法，針對有監(jiān)督和無監(jiān)督兩類方法對圖像的語義檢索方法進(jìn)行了研究。圖像的語義信息對完整地表達(dá)圖像內(nèi)容具有重要的作用，通過語義分類的方法可以提高圖像檢索的性能。
　　其次，在提取圖像視覺特征的過程中，分析了圖像的顏色、紋理、形狀特征的不同提取算法，針對自然圖像內(nèi)容豐富復(fù)雜的特點，采用了基于HSV（Hue，Saturation，Value

3、）的顏色特征、基于灰度共生矩陣和灰度紋理矩的紋理特征及基于不變矩的形狀特征。通過實驗驗證了檢索算法的有效性。
　　最后，重點研究了支持向量機的多類別分類算法，對核函數(shù)和參數(shù)的選取方法進(jìn)行了分析。在此研究的基礎(chǔ)上，利用SVM（SupportVectorMachine，支持向量機）分類方法對圖像視覺特征和語義信息進(jìn)行綜合學(xué)習(xí)，建立圖像類別模型，從而進(jìn)行圖像的分類檢索。以自然圖像庫為例進(jìn)行實驗，結(jié)果表明本文提出的圖像分類檢索方法較單一特