基于查询向量转移和聚类相结合的相关反馈技术研究

论文摘要

随着信息技术的迅猛发展和数字图像应用的日趋广泛,许多大型、复杂的图像信息库不断涌现出来。如何从海量的数字图像中快速准确地找到所需要的图像数据越来越受到人们的关注。当传统的图像检索方法不能满足实际需求时,相关反馈技术被引入进来,成为图像研究领域的新的热点问题之一。本文研究了基于颜色的图像检索相关技术,在对颜色空间信息深入分析的基础上,提出了基于分块二值化思想的图像检索方法。该方法能够较准确的分割出图像的目标和背景,突出图像目标在检索中的主体地位,更加符合人眼对图像的识别要求。实验证明,该方法能够更有针对性地检索图像,较大程度的提高查准率。本文在对向量转移反馈算法的研究基础上,将查询向量转移算法和聚类算法结合起来,并对向量转移的精度和速度进行改进,使图像的特征向量在聚类的过程中充分利用用户的反馈信息,更迅速更精确的向所属类的中心转移,与查询向量不相关的类中的向量则勿需转移。该算法缩小了运算代价,减少了反馈次数,同时提高了图像的检索效率。最后,本文构建了一个具有相关反馈机制的基于颜色特征的图像检索系统,对本文提出的几种改进算法进行了实验比较和性能分析。实验数据表明,本文算法具有更优的检索效率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 研究目的及意义
• 1.3 研究现状
• 1.4 本文主要研究内容
• 1.5 论文结构
• 第二章 相关关键技术
• 2.1 基于内容的图像检索
• 2.1.1 图像特征提取
• 2.1.2 相似度匹配
• 2.2 相关反馈技术
• 2.2.1 相关反馈技术的分类
• 2.2.2 相关判断的度量方式
• 2.3 聚类
• 2.3.1 聚类方法分类
• 2.3.2 现有主要聚类方法
• 2.4 CBIR系统的性能评价标准
• 2.5 本章小结
• 第三章 基于聚类和向量转移相结合的相关反馈算法研究
• 3.1 颜色特征提取
• 3.1.1 颜色空间模型
• 3.1.2 颜色特征量化
• 3.1.3 颜色空间分布
• 3.2 相似度匹配方法的选择
• 3.3 向量转移算法的研究与改进
• 3.3.1 提高向量转移的速度
• 3.3.2 提高向量转移的精度
• 3.3.3 实验结果及性能评价
• 3.4 聚类和向量转移相结合的相关反馈算法
• 3.4.1 聚类算法的选择
• 3.4.2 聚类算法的改进
• 3.4.3 聚类和向量转移相结合的相关反馈算法设计
• 3.5 本章小结
• 第四章 基于相关反馈的图像检索系统的设计与实现
• 4.1 实验环境设定
• 4.2 系统主要功能模块
• 4.2.1 特征提取模块
• 4.2.2 图像管理模块
• 4.2.3 聚类模块
• 4.2.4 查询模块
• 4.2.5 相关反馈模块
• 4.3 实验结果及性能分析
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢