協(xié)同圖像檢索與標(biāo)注.pdf

1、隨著互聯(lián)網(wǎng)的廣泛使用和數(shù)碼產(chǎn)品的普及，數(shù)字圖像在人們生活中所占的比重越來越大。為了快速準(zhǔn)確的從海量數(shù)字圖像中找到需要的圖像，人們提出了圖像檢索技術(shù)。目前圖像檢索技術(shù)的主要研究熱點(diǎn)是內(nèi)容圖像檢索和語義圖像檢索，其中語義圖像檢索技術(shù)的基礎(chǔ)是語義描述信息，獲取語義描述信息的主要方法是自動圖像標(biāo)注。圖像檢索反饋日志庫中包含了多用戶對檢索結(jié)果和圖像相似度的判斷等潛在信息，這些信息對改善圖像檢索精度，提高圖像標(biāo)注質(zhì)量等都有一定的幫助。本文圍繞反饋日

2、志庫用于圖像檢索和圖像標(biāo)注展開研究，主要研究內(nèi)容如下：
　　 首先，提出一種反饋日志收集、存儲與匯總方法。在用戶進(jìn)行圖像檢索相關(guān)反饋時(shí)收集反饋，使用索引表存儲反饋日志，并匯總反饋日志。匯總矩陣不但更新容易，而且能夠很快的讀取到反饋日志中圖像的相關(guān)度。索引表存儲反饋日志不但節(jié)省存儲空間，而且方便以后使用其他方法分析反饋日志。
　　 然后，將反饋日志用于圖像檢索，提出一種基于反饋日志的協(xié)同圖像檢索算法。相關(guān)反饋是解決“語義鴻

3、溝”的主要方法，針對相關(guān)反饋的小樣本問題，很多研究者將支持向量機(jī)(SVM)用于相關(guān)反饋。但是一般情況下反饋樣本都非常小，以至于簡單的將SVM用于相關(guān)反饋取得的效果也不是很好。本文為了更好的解決相關(guān)反饋中的小樣本問題，提出利用反饋日志擴(kuò)充訓(xùn)練樣本，并充分考慮訓(xùn)練樣本的不同重要程度，利用加權(quán)支持向量機(jī)(WSVM)訓(xùn)練分類器，提高了檢索精度。
　　 其次，將反饋日志用于圖像標(biāo)注，提出一種反饋日志和混合概率模型相結(jié)合的自動圖像標(biāo)注算法。

4、混合概率模型利用圖像底層特征和標(biāo)注詞庫共同進(jìn)行圖像標(biāo)注，雖然取得了比較好的效果，但也忽略了反饋日志中的大量信息。本文對反饋日志進(jìn)行分析，從中發(fā)掘具體應(yīng)用中標(biāo)注詞之間的關(guān)系，替換原始混合概率模型中標(biāo)注詞關(guān)系，提高了自動標(biāo)注質(zhì)量。
　　 最后，將圖像檢索和圖像標(biāo)注融合到一個(gè)框架下，提出協(xié)同圖像檢索和標(biāo)注系統(tǒng)。使用Matlab開發(fā)了一個(gè)簡單的原型系統(tǒng)，系統(tǒng)可進(jìn)行內(nèi)容圖像檢索和簡單的基于標(biāo)注的圖像檢索，并根據(jù)反饋日志條數(shù)定期更新圖像標(biāo)注