基于內(nèi)容的圖像數(shù)據(jù)庫語義分類相關(guān)技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)和計算機硬件的迅猛發(fā)展,圖像信息的產(chǎn)生、存儲、傳輸以及訪問數(shù)量呈指數(shù)級增長,對圖像信息的檢索給傳統(tǒng)的檢索方式提出了挑戰(zhàn).采用低層特征描述的圖像檢索系統(tǒng)還不能滿足用戶的檢索需求,該文提出的采用語義信息組織圖像數(shù)據(jù)庫的方式是實現(xiàn)圖像有效檢索的基礎(chǔ).該文主要針對圖像語義分類和檢索進行研究,論文的主要工作歸納如下:(1)針對各種圖像檢索系統(tǒng)和圖像語義分類進行了綜述,系統(tǒng)地分析了基于內(nèi)容的圖像檢索中所用的各種特征,并對各個特征的優(yōu)缺點以

2、及適用范圍進行了比較分析,對于后續(xù)章節(jié)中圖像特征選擇和新特征的提取提供了借鑒.(2)提出了一種基于支撐向量機(SVM)的分等級圖像語義分類系統(tǒng).針對室內(nèi)與室外圖像分類的特點,提出了一種結(jié)合目標(biāo)物體的語義特征.實驗結(jié)果表明采用這兩個特征實現(xiàn)的分類性能要優(yōu)于其它特征.將單類SVM分類器應(yīng)用于分類系統(tǒng)中解決了樣本不充分的訓(xùn)練問題.(3)提出了圖像語義分類系統(tǒng)的改進方案,根據(jù)不同特征的推廣誤差來確定各自的權(quán)值,分別采用主成分分析(PCA)、線性

3、判別分析(FLDA)、多元尺度分析(MDS)對圖像特征進行降維;通過學(xué)習(xí)的方式實現(xiàn)了一種基于SVM概率輸出的拒絕機制;提出了增量學(xué)習(xí)SVM方案來解決新增樣本和大量樣本的訓(xùn)練問題;分析比較不同的分類器,通過結(jié)合多個SVM分類器來提高系統(tǒng)的分類能力,分別通過實驗驗證了以上改進方案的有效性.(4)提出了一種基于圖像數(shù)據(jù)庫語義索引和相似性學(xué)習(xí)的圖像檢索方案,根據(jù)查詢圖像的語義信息來確定相應(yīng)的檢索圖像庫,縮小檢索的范圍進而提高系統(tǒng)的查準(zhǔn)率和檢索效