基于属性图和聚类树的海量图像检索关键技术研究

论文摘要

图像检索技术是计算机视觉领域的研究热点,虽然近年来该方面的研究已经取得了巨大进展,但是由于问题本身的复杂性,图像检索仍然是存在很多难点,而海量图像检索问题更为突出。本文首先概述了现有图像检索方法,分析了现有方法存在的问题,并给出了本文的检索方法。论文对图像的表征、图像的索引、检索策略等方面的进行了研究及实现。第一章首先介绍了国内外图像检索技术的基本情况,以及现有图像检索方法中所面临的挑战,在此基础上给出了本文采用的图像检索的基本思路以及本文的工作。第二章将论文中所要用到的相关基础理论,包括局部不变特征的提取,利用局部不变特征构建具有一定语义的属性图,以及用于对图像索引的RSOM树等进行了介绍,并给出了相似性传播原理,以及构建类属超图模型的相关理论。第三章详细描述了基于RSOM树的图像K近邻求解的过程包括:图像索引的建立,PKNNG的求解和KNNG的求解。针对高维特征问题,提出了RSOM森林的分段特征建模方法,给出了RSOM森林的训练和查询过程,以及基于RSOM森林的图像K近邻求解算法实现。第四章介绍了本文中图像索引建立的方法,以及利用相似性传播原理实现对查询图像的检索。文中采用学术界公共测试数据集,通过对大量数据的实验分析,验证了本文方法的有效性。第五章是论文的结束语,总结了本文的主要工作,指出了本文工作的不足,提出了海量图像检索技术中需进一步研究的内容。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 CBIR 概况
• 1.2.1 研究现状
• 1.2.2 海量图像检索所面临的挑战
• 1.3 本文的研究思路
• 1.4 本文的主要研究工作
• 第二章 基于属性图检索的理论基础
• 2.1 局部不变特征
• 2.1.1 SIFT 特征提取
• 2.1.2 SIFT 特征匹配
• 2.2 属性图
• 2.2.1 构建属性图
• 2.2.2 属性图的相似性度量
• 2.3 RSOM 聚类树
• 2.4 类属超图
• 2.4.1 相似性传播原理
• 2.4.2 类属超图基本原理
• 2.5 小结
• 第三章 基于RSOM 的海量图像K 近邻求解
• 3.1 基于RSOM 树的海量图像K 近邻求解
• 3.1.1 图像特征索引的建立
• 3.1.2 PKNNG 的求解
• 3.1.3 KNNG 的求解
• 3.1.4 基于RSOM 树的图像K 近邻求解实现
• 3.1.5 基于RSOM 树的图像K 近邻求解结果分析
• 3.2 基于RSOM 森林的海量图像K 近邻求解
• 3.2.1 利用RSOM 森林建立特征索引
• 3.2.2 基于RSOM 森林的特征查询
• 3.2.3 基于RSOM 森林的图像K 近邻求解实现
• 3.3 小结
• 第四章 基于相似性传播的图像检索
• 4.1 基于属性图的图像索引建立
• 4.1.1 基于图的家族树建立属性图索引
• 4.1.2 增量索引
• 4.2 基于相似性传播的图像检索
• 4.3 实验结果和分析
• 4.4 小结
• 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果