图像语义检索中的相关反馈技术研究

论文摘要

随着信息技术的普及和信息化程度的不断提高,数字图像的数量快速增长,研究和开发高效准确的检索技术,不断满足人们对图像信息的需求显得非常迫切。基于内容的图像检索在捕捉语义方面具有很大的局限性,因此研究基于语义的图像检索是十分必要的。目前,相关反馈是捕获图像语义,缩短“语义鸿沟”的重要手段。本文在此方向上进行了深入研究,以期改善图像语义检索的性能。本文的主要工作及研究成果如下所述:1.通过简单的定量分析,发现语义网络方法在多用户模式下对反馈噪声鲁棒性不足。针对此问题,提出了基于投票思想和语义矩阵的相关反馈算法。在此基础上,提出了一种新颖的新图添加策略,避免新图与原图像库中的每个图像进行视觉特征相似度的计算,减少了系统的运算开销。为了向用户提供灵活和人性化的检索方式,对那些可转化为语义向量的查询,给出了有效的处理方法。2.传统的图像检索中所采用的相关反馈策略属于短期学习,丢弃了宝贵的用户历史反馈信息,不利于学习速度的加快和检索性能的提高。针对此问题,研究了长期学习策略来改善查询效果。首先,设计了一个具有反馈日志学习功能的图像检索框架。接着,提出了一种表示反馈日志各条记录的方法。然后,通过分析和利用反馈日志,得到图像之间的语义关联度。以此为基础,构建语义关联度矩阵,并基于该矩阵对图像进行K均值聚类。最后,当用户以库中的图像作为查询示例时,系统采用加权求和的方法得出图像之间的综合相似度,使检索结果更贴近于用户对语义的理解和感知。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景
• 1.1.1 图像检索技术回顾
• 1.1.2 图像语义检索的提出
• 1.2 图像语义检索的研究现状
• 1.3 本课题的目的与意义
• 1.4 本文的研究工作与组织结构
• 第二章 图像语义检索和相关反馈的知识基础
• 2.1 图像语义检索的知识基础
• 2.1.1 图像语义的建模与表示
• 2.1.2 图像语义的提取方法
• 2.1.3 处理“语义鸿沟”常用算法分类
• 2.2 相关反馈技术的知识基础
• 2.2.1 应用相关反馈改善检索性能的原理
• 2.2.2 基于内容的相关反馈技术
• 2.2.3 一种重要的语义相关反馈技术——语义网络方法
• 2.3 本章小结
• 第三章 基于语义矩阵的图像检索反馈技术
• 3.1 反馈噪声及其对语义网络方法的影响
• 3.1.1 反馈噪声
• 3.1.2 反馈噪声对语义网络方法的影响分析
• 3.2 基于投票思想和语义矩阵的相关反馈算法
• 3.2.1 投票思想
• 3.2.2 语义矩阵
• 3.2.3 算法流程
• 3.2.4 算法性能分析
• 3.3 一种新颖的新图添加策略
• 3.4 系统对语义向量的查询处理
• 3.4.1 从查询到语义向量的转化
• 3.4.2 基于语义向量的图像相似性度量
• 3.4.3 基于语义矩阵处理语义向量查询的方法
• 3.4.4 处理语义向量查询的流程框架
• 3.5 本章小结
• 第四章 基于反馈日志的图像语义关联学习技术
• 4.1 结合反馈日志的图像检索框架设计
• 4.2 反馈日志的表示方法
• 4.2.1 矩阵表示法
• 4.2.2 序列表示法
• 4.2.3 本文所设计的表示法
• 4.3 基于反馈日志的图像关联度求取方法
• 4.3.1 信任度法
• 4.3.2 互信息法
• 4.3.3 “共现”频率法
• 4.4 基于“共现”频率的图像语义关联学习技术
• 4.4.1 基于“共现”频率的周期性关联度更新算法
• 4.4.2 基于语义关联度矩阵的图像聚类
• 4.5 图像综合相似度的度量
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 全文总结
• 5.2 下一步的研究
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间取得的科研成果