基于多個樣本特征加權(quán)融合的圖像檢索算法研究.pdf

1、近年來，多媒體信息技術發(fā)展迅速，智能終端每天都會產(chǎn)生海量未經(jīng)管理的多媒體數(shù)據(jù)，特別是圖片數(shù)據(jù)快速增加。為了能夠快速且準確的在海量多媒體數(shù)據(jù)中進行檢索，圖像檢索技術逐漸變成多媒體領域的熱點課題，并被廣泛的應用于日常生活中的各個方面。本文基于傳統(tǒng)的單個類別查詢圖片的檢索系統(tǒng)，提出多個不同類別查詢圖片的檢索系統(tǒng)，為了實現(xiàn)所提出的檢索任務，提出多個樣本特征加權(quán)融合的檢索算法，有效解決多個不同類別查詢圖片進行檢索。在基于內(nèi)容而開發(fā)的圖像檢索系統(tǒng)中

2、，最為重要的一點就是找到一種表達能力強的特征來描述圖片，很多傳統(tǒng)的檢索系統(tǒng)會選擇圖像的底層視覺特征，例如圖像的顏色，紋理和形狀等特征來表達圖片信息。本文，使用2012年提出的AlexNet網(wǎng)絡作為提取卷積特征的基礎網(wǎng)絡。
　　通過一個簡單的例子來介紹我們的檢索系統(tǒng)，假設輸入的兩張查詢圖片分別是“貓”與“狗”，希望在候選數(shù)據(jù)中查找到同時包含“貓與狗”的那類圖片。通過調(diào)查發(fā)現(xiàn)現(xiàn)有的多個查詢樣本的檢索系統(tǒng)無法直接實現(xiàn)我們的檢索任務，主要

3、的差別就是查詢圖片所屬的類別問題，輸入的查詢圖片完全屬于兩個不同的類別。由于查詢圖片屬于不同的類別，為了能夠直接反應二者在檢索過程中的重要性，提出特征加權(quán)的方法，通過權(quán)重來體現(xiàn)二者之間的相對重要性。本文的成果與創(chuàng)新之處總結(jié)如下:
　　(1)最近卷積神經(jīng)網(wǎng)絡在大規(guī)模圖像分類比賽ImageNet上取得了非常的成績，將圖像分類的top-5錯誤率降到5％以下，在集成模型的情況下已經(jīng)超過了人類的表現(xiàn)，所以選擇卷積特征作為檢索圖像的特征描述，

4、同時選擇SIFT特征作為對比實驗。
　　(2)本文的重點是如何為每個查詢圖片的特征分配權(quán)重，一旦求解出權(quán)重大小便能夠解決所提出的檢索任務。使用K-Means算法將候選圖片的卷積特征進行聚類處理，在這些聚類中心中找到一個離兩張查詢圖片的距離是最近的。在查找到這個聚類中心后，便將距離之間的比值作為權(quán)重。
　　(3)為了證明所提出的多個樣本特征加權(quán)融合算法的有效性，在兩個公開的數(shù)據(jù)集上進行驗證。因為檢索任務的特殊性，所以對著兩個公