基于SVM的CBIR相关反馈技术研究

论文摘要

随着数字化影像设备在医学领域中日益广泛的应用,医院每天都要产生大量的数字图像。如何有效地进行数字图像的管理,是实现计算机辅助诊断,达到“无纸化、无胶片化”的信息化医院的关键。基于内容的图像检索（Content-Based Image Retrieval, CBIR）是实现数字图像管理的重要途径。CBIR是目前计算机图像研究的热点,不同于传统的文本检索,它将图像的内容有效地结合到图像检索系统中,对于医学图像的管理将起到极其重要的作用。在CBIR系统中,图像内容通常由图像的底层特征来表示,然而图像的底层特征和高层语义之间往往存在较大的语义鸿沟,仅仅根据图像底层特征得到的检索结果很难满足用户的要求。于是近年来人们将相关反馈机制引入到CBIR中。相关反馈技术对于基于内容的图像检索至关重要,系统可以通过用户的相关反馈来达到减小语义鸿沟的目的。本文在研究相关反馈的基础上,提出了一种基于SVM的CBIR相关反馈方法。首先在分析了传统SVM相关反馈算法存在的不足后,引入了主动学习机制,提出了新的采样算法；同时通过分析用户的反馈模式,提出了改进的相关程度判断模式；然后结合改进的相关程度判断模式,提出了Bsoft SVM （Best soft SVM）分类算法,通过引入软标记标注不确定样本,使SVM决策平面尽量偏向不确定数据,从而尽可能减小结构风险,加速分类器的收敛速度。通过大量对比实验,证明了本文提出的算法相对于传统SVM算法有更高的检索效率。最后设计实现了一个基于SVM的医学图像相关反馈检索系统,验证了本文提出的算法对CBIR的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 基于相关反馈的图像检索系统
• 1.3 课题来源
• 1.4 本文主要研究内容及论文结构
• 1.4.1 本文主要研究内容
• 1.4.2 论文结构
• 第二章 CBIR的关键技术
• 2.1 CBIR的体系结构
• 2.2 图像特征提取
• 2.2.1 颜色特征
• 2.2.2 纹理特征
• 2.2.3 形状特征
• 2.2.4 语义特征
• 2.3 相似性度量方法
• 2.4 CBIR高维索引技术
• 2.5 CBIR相关反馈技术
• 2.5.1 相关反馈的基本思想
• 2.5.2 基于相关反馈的CBIR结构
• 2.5.3 CBIR相关反馈算法
• 2.6 检索算法的评价准则
• 2.7 本章小结
• 第三章 采样算法设计
• 3.1 基于SVMactive的相关反馈检索流程
• 3.2 SVM采样算法分析
• 3.2.1 随机选择算法
• 3.2.2 最相关选择算法
• 3.2.3 简单SVMactive选择算法
• 3.2.4 Mean Version Space选择算法
• 3.3 SVM采样算法设计
• 3.3.1 正最近邻SVMactive选择算法
• 3.3.2 Margin SVMactive选择算法
• 3.4 本章小结
• 第四章 分类算法设计
• 4.1 SVM分类算法分析
• 4.1.1 线性SVM分类算法
• 4.1.2 非线性SVM分类算法
• 4.1.3 SVM的特点
• 4.2 Bsoft SVM分类算法
• 4.2.1 用户模式
• 4.2.2 改进的图像相关判断度量方式
• 4.2.3 Bsoft SVM分类算法
• 4.3 核函数的选择
• 4.4 本章小结
• 第五章 系统实现与实验研究
• 5.1 系统实现
• 5.1.1 检索系统工作流程
• 5.1.2 初级检索实现
• 5.1.3 相关反馈迭代检索实现
• 5.2 实验结果分析
• 5.2.1 采样算法比较
• 5.2.2 SVM与Bsoft SVM分类算法比较
• 5.2.3 不同核函数比较
• 5.2.4 不同图像检索结果比较
• 5.3 本章小结
• 第六章 结论与展望
• 6.1 本文工作总结
• 6.2 后继工作和展望
• 参考文献
• 致谢
• 攻读硕士学位期间参加和完成的科研项目