新一代人機(jī)交互中基于內(nèi)容的圖像檢索問題的研究.pdf

1、基于內(nèi)容的信息檢索是新一代(第四代)人機(jī)交互中的重要環(huán)節(jié)，本文圍繞基于內(nèi)容的圖像檢索系統(tǒng)的構(gòu)建，重點(diǎn)對圖像底層特征提取，相關(guān)反饋技術(shù)以及高層語義分類和檢索等方面進(jìn)行了研究。顏色特征是圖像檢索中廣泛使用的底層視覺特征。針對顏色特征提取受到光照條件變化影響這一問題，本文提出一種基于加權(quán)色彩直方圖的快速圖像檢索方法-WeightedChromaticHistogram，應(yīng)用光照不變性對角模型對圖像進(jìn)行顏色通道歸一化，壓縮形成的二維加權(quán)色彩直方

2、圖圖像，提取特征。該算法對于克服光照條件變化的影響具有良好的效果。 本文提出一種基于跨尺度特征值跟蹤和質(zhì)心擴(kuò)展策略的無監(jiān)督、多分辨率的語義目標(biāo)物體提取算法-SalientInformationbasedUMOE(UnsupervisedandMultiresolutionObjectExtraction)，應(yīng)用于狹義域圖像的語義特征提取和語義級(jí)圖像檢索；算法在基于統(tǒng)計(jì)聚類的圖像分析基礎(chǔ)上，由質(zhì)心擴(kuò)展策略根據(jù)綜合顏色特征和灰度特征

3、的跨尺度特征值跟蹤策略捕獲到的局部突出信息定位語義目標(biāo)物體，獲取物體區(qū)域形狀。針對光照變化、遮擋、視角變換和雜亂背景等自然場景下拍攝的狹義域圖像的提取效果，顯示了該算法的優(yōu)越性。 相關(guān)反饋已經(jīng)成為圖像檢索中的一種重要的交互式檢索手段。針對該方法目前存在訓(xùn)練樣本數(shù)過少和缺乏代表性等問題，本文提出一種基于直推式支持向量機(jī)和減量反饋學(xué)習(xí)策略的相關(guān)反饋算法-ActiveTSVM；算法綜合使用已標(biāo)記樣本和未標(biāo)記樣本進(jìn)行支持向量機(jī)的訓(xùn)練，并

4、在選擇最具信息樣本供用戶標(biāo)記的基礎(chǔ)上，通過“減量反饋”學(xué)習(xí)策略，在保持分類器所需樣本信息量不變的前提下，減少用戶標(biāo)記圖像的數(shù)量，有利于更快速、更準(zhǔn)確地理解用戶的查詢意圖，進(jìn)一步提高相關(guān)反饋的性能。 圖像語義分類和檢索擺脫了面向底層視覺特征的傳統(tǒng)檢索方式，把圖像檢索提升到面向用戶語義概念的高度，得到了廣泛的研究和重視。針對目前語義分類精度較低的問題，本文提出一種多特征融合的貝葉斯語義分類算法——Multi-BayesianClas

5、sifiersfusion和基于粗糙集理論的語義分類算法——Roughsetbasedsemanticclassifier，分別應(yīng)用于兩個(gè)模式的高層場景分類問題和更廣義的多個(gè)語義類別的分類問題。實(shí)驗(yàn)結(jié)果表明算法可提高圖像語義分類的準(zhǔn)確性，對圖像數(shù)據(jù)庫的組織和管理具有實(shí)用意義。 在上述研究基礎(chǔ)上，在新一代(第四代)人機(jī)交互的網(wǎng)絡(luò)化實(shí)驗(yàn)平臺(tái)-多功能感知系統(tǒng)中，構(gòu)建了基于語義分類的CBIR系統(tǒng)原型-ImageFinder。通過基于功能