相关反馈中动态权重算法的研究及应用

论文摘要

随着多媒体技术及Internet网络的迅速发展,图像来源不断扩大,大容量高速存储系统为图像的海量存储提供了基本保障,各行各业对图像的使用越来越广泛,图像信息资源的组织、管理和检索显得日益重要。为提高图像资源的利用率,图像信息资源的检索方法已成为国内外研究的热点。鉴于语义特征提取比较困难情况下,基于低层特征的图像检索是目前比较常用的方法。基于低层特征的图像检索容易造成低层特征与高层特征之间的鸿沟。目前解决语义鸿沟问题的方法之一是相关反馈。相关反馈方法有许多种,如查询向量、动态权重更新、贝叶斯、支持向量、神经网络等。其中贝叶斯参数、支持向量机、神经网络方法其实是一个机器学习的过程,这些方法都会受到样本数量多少及特征维数大小的影响。如果样本数量太少,就得不到准确的反馈信息。若特征维数过大,机器学习就是一个费时的过程,因此常常要进行特征维约减处理。与贝叶斯参数、支持向量机、神经网络方法相比,查询向量移动和动态权重更新的相关反馈方法就不会受到样本数量多少及特征维数大小的影响。鉴于以上分析,本文对这两种相关反馈方法进行研究,着重研究了动态权重的更新。通过实验和分析发现,动态权重更新对那些语义和视觉上比较相似的图像进行检索时,有时会陷入局部最优。本文对查询向量移动、动态权重更新方法进行详细的分析,分析两者的优缺点并且采取两种措施来解决此问题:一是在交互反馈中,把负例图像对检索的影响以交互的形式反馈给计算机,从而去影响权值。二是利用Fish准则函数强行改变权重的值,从而退出局部最优区域。在对动态权重算法改进的基础上,提出两种相关反馈方法结合的模型。基于内容的图像检索中,选取恰当的图像特征、采取有效的特征提取方法、特征匹配算法的选取这三个方面会影响到图像检索的检索性能;本文选取的特征是颜色和形状特征,并提出了自己的均匀量化方法。采用的匹配算法是加权欧氏距离匹配算法。实验结果表明,在同等实验条件下,改进后的动态权重方法与前人提出的传统权重更新反馈方法(Rui方法)相比,其性能得到了改善。而这两种相关反馈结合方法的检索性能都优于在同等实验条件下同类和不同类的相关反馈方法。本文的研究对图像检索研究、相关反馈方法研究有一定的参考价值和实际意义。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.2 研究现状及进展
• 1.2.1 图像检索综述
• 1.2.1.1 基于文本的图像检索
• 1.2.1.2 基于内容的图像检索（CBIR）
• 1.2.1.3 CBIR 目前存在的问题
• 1.2.1.4 缩小语义鸿沟
• 1.2.1.5 基于内容的相关反馈图像检索
• 1.2.2 检索系统简介
• 1.2.2.1 基于内容的图像检索系统
• 1.2.2.2 基于内容的相关反馈检索系统
• 1.3 本文主要研究内容
• 1.4 论文结构
• 第二章 图像检索中的关键技术
• 2.1 颜色空间简介
• 2.1.1 RGB 颜色空间
• 2.1.2 HSV 颜色空间
• 2.2 特征提取和表达方法简介
• 2.2.1 颜色、形状量化
• 2.2.2 颜色特征的提取与表达
• 2.2.2.1 颜色直方图方法
• 2.2.2.2 累加直方图法
• 2.2.3 形状特征的提取和表达
• 2.3 图像特征归一化方法简介
• 2.4 相似性测度方法简介
• 2.5 图像检索中的相关反馈技术
• 2.5.1 反馈在检索中的必要性
• 2.5.1.1 对反馈的需求
• 2.5.1.2 高层交互
• 2.5.2 相关反馈技术
• 2.5.2.1 相关反馈的概念和特点
• 2.5.2.2 相关反馈的正例和反例
• 2.5.3 相关反馈算法分类
• 2.5.4 相关反馈的目标与基本思想
• 2.6 本章小结
• 第三章 动态权重调整算法的研究
• 3.1 引言
• 3.2 动态权重算法分析
• 3.2.1 权重相关反馈的模型
• 3.2.2 检索过程
• 3.2.3 权重更新
• 3.3 算法存在的问题
• 3.4 改进后的动态权重调整
• 3.4.1 局部最优和Fisher 准则
• 3.4.2 相关反馈流程图
• 3.4.3 相关反馈的检索过程
• 3.4.4 权重的更新
• 3.4.5 干扰因子
• 3.5 实验结果及分析
• 3.5.1 实验步骤
• 3.5.2 结果分析
• 3.6 本章小结
• 第四章 查询向量和动态权重相结合的相关反馈算法的应用
• 4.1 引言
• 4.2 查询向量算法简介
• 4.3 对两种经典算法的分析
• 4.4 新模型开发
• 4.5 实验结果及分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 完成的主要工作
• 5.2 进一步要研究的方向
• 参考文献
• 致 谢
• 附录A 攻读硕士学位期间公开发表的学术论文