基于语义学习的图像检索研究

论文摘要

近年来，基于内容的图像检索（Content-Based Image Retrieval，CBIR）技术获得了蓬勃的发展。当前，该研究领域所面临的主要困难在于，大多数现存的基于内容的图像检索系统是通过对不同图像进行相似度计算来完成图像检索任务的。这种做法虽然取得了一些成功，但是也存在相当大的局限性。主要问题是图像检索质量的好坏在很大程度上依赖于所使用的图像特征，它与人类根据图像语义来判断图像间是否相似的做法存在着很大的区别。这种差别的存在导致目前的大多数图像检索方法很难取得令人满意的图像检索效果。为了解决这个问题，本文提出了一种基于语义分析的图像检索方法。该方法从学习用户语义的观点出发，通过对用户选择的若干相似图像进行学习，找到隐藏在其中的用户语义，从而据此实现对数据库中相似图像的检索。为了获得用于图像语义学习的图像特征，发展了一种基于视觉感知特性的色彩量化算法和一种改进的JSEG图像分割算法。JSEG算法只利用到了量化色彩的分布信息；对此，改进算法通过增加对色彩和纹理信息的分析以提高图像分割的效果。此外，针对相关研究中缺乏图像概念保存研究的现状，提出了一种基于复杂网络的图像语义概念保存方法，以检索未来相似语义的图像。实验结果表明，基于用户语义学习和基于概念保存学习的图像检索效果是令人满意的。 从以上研究思路出发，本文首先对CBIR研究的起源、发展、研究方向和所面临的问题，以及本文的主要研究内容和创新点做了整体介绍。 随后，本文探讨了图像特征提取问题，提出了一种基于视觉感知特性的色彩量化算法。该算法将图像分成边缘、平滑和纹理区域，并采用对不同区域中的像素赋予不同权重的策略以强化边缘和平滑区域的色彩。实验表明，同前人工作相比，该算法能够自适应地保留视觉重要区域的色彩，并具有计算速度快的特点。 在色彩量化基础上，为了得到图像中的对象等高层语义特征，进一步提出了一种改进的JSEG图像分割算法。该算法采用对色彩和纹理进行分析的方法

论文目录

• 摘要
• Abstract
• 图表目录
• 目录
• 第一章 绪论
• 1.1 研究背景介绍
• 1.1.1 文本信息检索
• 1.1.2 基于内容的图像检索
• 1.2 基于内容的图像检索研究现状
• 1.2.1 基于内容的图像检索发展历史
• 1.2.2 研究方向及面临的主要问题
• 1.2.3 主要检索系统及应用领域介绍
• 1.2.4 主要研究机构及学术会议
• 1.3 论文主要工作及结构安排
• 1.3.1 论文主要工作
• 1.3.2 论文结构安排
• 第二章 色彩量化
• 2.1 色彩量化算法介绍
• 2.2 基于视觉感知的色彩量化算法
• 2.2.1 色彩空间模型
• 2.2.2 蜂窝状分割的色彩量化算法
• 2.2.3 基于视觉感知的色彩量化算法
• 2.3 相关实验比较
• 2.4 本章小结
• 第三章 图像分割
• 3.1 图像分割方法介绍
• 3.2 基于色彩和纹理特征的图像分割
• 3.2.1 JSEG分割算法介绍
• 3.2.2 色彩和纹理特征表达
• 3.2.3 图像分割算法实现
• 3.3 相关实验
• 3.4 本章小结
• 第四章 用户语义学习
• 4.1 图像语义检索研究介绍
• 4.2 特征表达
• 4.3 区域匹配与“感兴趣”动态特征选择
• 4.3.1 区域配对
• 4.3.2 “感兴趣”特征选择
• 4.4 用户语义学习算法
• 4.4.1 用户语义学习
• 4.4.2 图像检索算法
• 4.5 图像检索实验
• 4.6 本章小结
• 第五章 复杂网络的子网络分割研究
• 5.1 复杂网络研究介绍
• 5.2 子网络分割研究
• 5.2.1 子网络分割研究介绍
• 5.2.2 基于子网络结构属性的网络分割算法
• 5.3 子网络分割实验
• 5.3.1 计算机生成的随机图
• 5.3.2 社交网络
• 5.3.3 其他网络
• 5.4 本章小结
• 第六章 图像语义概念保存研究
• 6.1 图像语义概念保存研究介绍
• 6.2 图像相似语义图像网络性质
• 6.3 复杂网络的语义概念提取
• 6.4 语义概念保存的图像检索实验
• 6.5 本章小结
• 第七章 全文总结
• 7.1 论文总结
• 7.2 未来工作
• 参考文献
• 致谢
• 发表的学术论文