基于相关反馈的图像内容检索技术研究

论文摘要

在基于内容的图像检索中,系统仅仅依靠图像的底层物理特征通常难以准确地描述用户提交的检索需求,即系统从用户提交样本中提取的图像特征往往不能很好体现用户此次检索的目的,因此需要引入相关反馈机制来不断提高检索结果的满意度。在此背景下,20世纪90年代中期,首次在文本检索领域提出的相关反馈(Relevance Feedback, RF)技术被引入到基于内容图像检索领域。目前比较典型的相关反馈方法,有查询点移动法和权值调整的方法,前者是通过修改查询向量,使其向着相关图像的中心移动,后者则是利用反馈信息,修改距离公式中各分量的权值,削弱查询向量中不重要的分量和突出较为重要的分量。随着相关反馈技术的发展和成熟,支持向量机技术由于小样本、不需要先验知识、可能解决高维问题、非线性等优点,开始被研究人员应用在基于内容图像检索领域。论文采用支持向量机SVM (Support Vector Machine)方法对基于内容图像检索的结果进行反馈,并与经典的基于权值调整的相关反馈算法进行了比较。首先用户利用颜色、纹理或形状检索算法进行检索并对初次检索结果进行标记,将用户标记信息作为支持向量机训练样本进行训练得到分类器,最后利用该分类器对剩余图像进行预测并将预测结果返回显示。实验结果的评测使用查全率和查准率两个指标得出,SVM反馈算法在查准率上优势不明显,但在查全率上比基于权值调整的反馈算法有明显的提高。由于SVM不需要先验知识的优点,被广泛应用于各个领域,如何选定合适的核函数及参数,以及如何对已有的核函数进行改进将是以后的研究方向。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景和意义
• 1.2 国内外研究现状
• 1.2.1 相关反馈技术的发展
• 1.2.2 典型的基于内容图像检索系统
• 1.3 论文研究内容
• 1.4 论文组织结构
• 第二章 关键技术介绍
• 2.1 CBIR技术和模型
• 2.2 CBIR特征提取技术
• 2.2.1 颜色特征提取
• 2.2.2 纹理特征提取
• 2.2.3 形状特征提取
• 2.2.4 相似性度量
• 2.3 相关反馈技术
• 2.3.1 相关反馈原理
• 2.3.2 RF算法
• 2.3.3 相关反馈的概念模型
• 2.3.4 相关反馈中的用户模式
• 2.3.5 相关反馈中相关性判断度量方式
• 2.4 SVM技术
• 2.4.1 SVM的特点
• 2.4.2 VC维的概念
• 2.4.3 结构风险最小原理
• 2.4.4 SVM的数学原理
• 第三章 相关反馈方法的研究与应用
• 3.1 基于特征权重调整反馈方法应用
• 3.1.1 特征权重方法原理
• 3.1.2 特征内部归一化
• 3.1.3 特征之间归一化
• 3.1.4 特征权重的调整
• 3.1.5 实验分析
• 3.2 基于SVM反馈方法应用
• 3.2.1 基于LIBSVM下的实验
• 3.2.2 SVM的系统应用
• 3.2.3 核函数的选择
• 3.2.4 系统的检索性能评价
• 第四章 系统设计与实现
• 4.1 数据库设计
• 4.2 系统架构设计
• 4.3 系统功能模块设计
• 4.4 开发环境
• 4.5 相关反馈算法在图像检索中的应用
• 4.6 实验结果与分析
• 4.6.1 实验过程
• 4.6.2 结果分析
• 4.6.3 实验结论
• 第五章 结论
• 参考文献
• 在学研究成果
• 致谢