基于非線性降維的圖像檢索算法的優(yōu)化研究.pdf

1、海量圖像檢索是當(dāng)前活躍的研究方向,它有著廣闊的應(yīng)用前景,在計算機領(lǐng)域中得到了廣泛的關(guān)注。但同時它又是一個極為困難的問題,困難主要來源于海量圖像檢索環(huán)境經(jīng)常是一個規(guī)模驚人的分布式圖像數(shù)據(jù)庫,而且檢索用戶一般不愿花過長的時間等待檢索結(jié)果。因此,海量圖像檢索技術(shù)的關(guān)鍵在于在具有相當(dāng)準(zhǔn)確度的前提下找到一種特別高效的檢索算法。為了更加高效地進行海量圖像檢索,兩種途徑被廣泛采納：采用高效的圖像降維算法和采用適當(dāng)?shù)奶卣鬟x擇技術(shù)。 基于拉普拉斯

2、特征映射(LE)算法的保局投影(LPP)算法不僅可以保持流形學(xué)習(xí)的能力,而且具有線性方法計算簡單、直觀快捷的優(yōu)點。研究表明：LPP算法在用于海量圖像檢索時具有明顯的優(yōu)勢。本文的工作集中于LPP算法應(yīng)用于海量圖像檢索時的相關(guān)研究：包括LPP圖像降維算法的優(yōu)化研究以及結(jié)合非線性降維技術(shù)的特征選擇算法研究。 1.對基于LE算法的LPP算法在圖像降維方面的應(yīng)用作了深入的研究,論證了LPP算法用于海量圖像檢索系統(tǒng)的比較優(yōu)勢。LPP算法是基

3、于LE算法的線性擴展,兼具有非線性的LE算法和線性降維方法二者的優(yōu)點。與LE算法相比,LPP算法具有一個轉(zhuǎn)換矩陣,而且計算復(fù)雜度比LE算法大大降低；與其它線性算法(如PCA算法)相比,LPP算法具有較強的流形學(xué)習(xí)能力,當(dāng)數(shù)據(jù)集存在非線性結(jié)構(gòu)時,利用該算法更能夠保留圖像空間的本質(zhì)特征。 2.對LPP算法應(yīng)用于圖像檢索作了進一步的研究,介紹了一種具有代表性的LPP應(yīng)用優(yōu)化算法：結(jié)合相關(guān)反饋的LPP算法(FLPP算法)。然后,針對LP

4、P算法中最近鄰圖并不能夠總是準(zhǔn)確地模擬數(shù)據(jù)流形,提出了一種優(yōu)化的LPP算法：ILPP算法。ILPP算法通過迭代地更新最近鄰圖,從而使之能更好地模仿流形的局部結(jié)構(gòu)。通過人臉識別的實驗結(jié)果表明該算法能夠有效地提高LPP算法的性能。 3.在分布式海量圖像檢索系統(tǒng)中,經(jīng)常會有一些新加入的圖像,大多數(shù)現(xiàn)有的半監(jiān)督學(xué)習(xí)方法(包括基于SVM的半監(jiān)督方法)在未標(biāo)注數(shù)據(jù)量較大時處理效率較低。本論文提出了一種基于LPP的半監(jiān)督降維學(xué)習(xí)算法一"LPP

5、半監(jiān)督算法”。該算法可以很好地辨識數(shù)據(jù)空間的流形結(jié)構(gòu),同時可以更加有效地使用未標(biāo)注的數(shù)據(jù)。實驗結(jié)果顯示,LPP半監(jiān)督降維算法的檢索準(zhǔn)確度明顯高于SVM半監(jiān)督方法,而且特別適用于訓(xùn)練樣本相對缺乏的場合。最后,在對現(xiàn)有圖像檢索技術(shù)中的特征選擇方法進行研究的基礎(chǔ)上,針對海量圖像檢索的特點,提出了一種結(jié)合非線型降維技術(shù)的新型特征選擇算法:LSDF算法。該算法具有在降維時有效辨識數(shù)據(jù)局部結(jié)構(gòu)的能力,在海量圖像檢索使用該算法時,我們可以只花極小的計