聚類在基于語義圖像檢索中的研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)和多媒體信息技術(shù)的發(fā)展，數(shù)字圖像資源也日趨豐富，如何快速有效地從海量的圖像數(shù)據(jù)庫中檢索出滿足用戶需求的圖像，是現(xiàn)在一個非常重要的研究方向。用戶在檢索圖像的時候，更多的還是追求高層語義上的相似與匹配，所以，基于語義的圖像檢索漸漸成為研究的重點。圖像的底層特征的提取技術(shù)已經(jīng)相對成熟，而圖像的高層語義的提取及描述技術(shù)卻還是個難以解決的問題，所以，建立底層特征和高層語義之間的聯(lián)系就成了解決“語義鴻溝”問題的關(guān)鍵。
　　本文提出了

2、一種基于聚類的語義圖像檢索方法，在圖像的底層視覺特征和高層語義之間建立了聯(lián)系。聚類是一種無監(jiān)督學(xué)習(xí)方法，一直以來都是用于圖像分割領(lǐng)域，并未直接用于圖像檢索當(dāng)中，而本文將聚類直接應(yīng)用到圖像檢索技術(shù)當(dāng)中，先用聚類算法結(jié)合圖像的底層特征分類圖像，建立底層特征與高層語義之間的聯(lián)系，使圖像分成不同語義的類別，再進行相似性比較，使檢索結(jié)果更加符合用戶需求。
　　本文針對兩種不同的聚類算法在圖像檢索中的應(yīng)用做了仿真實驗比較。提取圖像的顏色特征，

3、用傳統(tǒng)的K-means算法和譜聚類方法中改進的NCut算法分別對圖像庫進行語義分類，并對結(jié)果進行分析。經(jīng)實驗證明，NCut算法分類效果較好，應(yīng)用到圖像檢索能夠得到更好的檢索結(jié)果。
　　本文用分類效果較好的NCut聚類算法，結(jié)合圖像的顏色特征和形狀特征，設(shè)計實現(xiàn)了一個基于聚類的語義檢索系統(tǒng)。首先提取圖像的顏色特征，然后用顏色特征建立相似性矩陣，結(jié)合NCut算法對圖像進行語義聚類，使圖像庫中圖像分成不同語義的類別，計算查詢圖像與各語義