基于内容的图像检索方法研究

论文摘要

随着多媒体信息技术和互联网技术的发展,特别是海量数据库的出现,图像信息越来越得到重视,如何从大量的图像中快速有效地查找出人们感兴趣的图像成为了急需解决的问题,基于内容的图像检索技术应运而生,并成为多媒体信息处理领域的研究热点。本文主要研究图像检索中的图像相似性分析和图像局部信息特征的应用。具体研究包括:在研究基于图的数据分析方法基础上,提出了结合流形排序和区域匹配的二次排序检索策略。利用图像特征数据的流形分布结构对图像进行相似性排序,并通过区域匹配关系图获得图像的区域匹配权值修正排序结果。在相关反馈中,利用反馈得到的相关图像和不相关图像信息调整图像流形排序得分和图像区域对于描述图像内容的权值,进一步提高检索准确率。给出了两种有效利用多示例学习进行图像检索的方法。第一种方法通过小波方法提取图像的显著点,以显著点区域作为示例,采用EM-DD方法进行多示例学习,利用学习结果进行图像的相似性排序;第二种方法首先对图像进行有效分割,以分割区域作为示例,利用示例的多样性密度和特征相似性生成以多示例包为顶点的加权图,并应用图的方法进行多示例学习。两种方法都在验证实验中取得了良好的检索结果。在研究信息检索和分类中的隐语义分析方法的基础上,给出一种将概率隐语义分析的思想用于基于区域的图像检索的方法。该方法通过分析区域-图像同现概率的隐变量模型,并利用期望最大算法迭代计算隐含图像语义空间。通过求最大后验概率的方法近似建立区域-图像关联数据与隐含图像语义空间特征之间的映射关系,并对图像进行基于隐语义特征的流形排序,提高图像检索有效性。上述方法在计算机上利用Matlab、Visual C++等工具,并采用Corel图像库作为实验图像进行了仿真实验,结果表明所提方法可以提高图像检索准确率。

论文目录

• 摘要
• Abstract
• 目录
• 图表索引
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 基于内容图像检索的概述
• 1.2.1 基于内容图检索的系统结构
• 1.2.2 基于内容图像检索的关键问题
• 1.3 基于内容图像检索研究现状
• 1.4 本文的主要研究内容和创新点
• 第2章 基于图的数据分析
• 2.1 基于图的数据降维
• 2.1.1 等距映射
• 2.1.2 线性局部嵌入
• 2.1.3 拉普拉斯特征映射
• 2.1.4 保局投影方法
• 2.2 基于图的数据相似性分析
• 2.2.1 数据的流形排序算法
• 2.2.2 流形排序算法分析
• 2.2.3 流形排序示例
• 2.3 本章小结
• 第3章 结合流形排序和区域匹配的图像检索
• 3.1 方法概述
• 3.2 基于颜色和纹理的图像分割
• 3.2.1 JSEG分割
• 3.2.2 改进的分割方法
• 3.2.3 分割结果及分析
• 3.3 结合流形排序和区域匹配的检索方法
• 3.3.1 全局特征排序
• 3.3.2 结合区域特征的排序
• 3.3.3 相关反馈
• 3.4 实验结果
• 3.5 本章小结
• 第4章 多示例学习方法研究
• 4.1 多示例学习概念
• 4.2 多示例学习方法
• 4.2.1 多样性密度方法
• 4.2.2 支持向量基多示例学习方法
• 4.3 结合流形排序的多示例学习方法
• 4.3.1 问题分析
• 4.3.2 方法实现
• 4.4 本章小结
• 第5章 基于多示例学习的图像检索方法实现
• 5.1 基于显著点多示例学习的图像检索实现
• 5.1.1 图像显著点提取
• 5.1.2 基于显著点特征的检索
• 5.1.3 基于显著点多示例学习的检索策略
• 5.1.4 实验结果
• 5.2 基于分割区域多示例学习的图像检索实现
• 5.2.1 区域特征提取
• 5.2.2 基于区域多示例学习检索策略
• 5.2.3 实验结果
• 5.3 本章小结
• 第6章 基于隐含语义的图像检索
• 6.1 隐语义分析方法
• 6.1.1 隐语义分析
• 6.1.2 概率隐语义分析
• 6.2 基于区域-图像隐语义的图像检索
• 6.2.1 区域和图像的关联描述
• 6.2.2 图像概率隐语义模型
• 6.2.3 图像隐语义检索
• 6.3 实验结果
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 论文总结
• 7.2 后续研究工作
• 参考文献
• 致谢
• 在读期间发表的学术论文与取得的研究成果