基于內(nèi)容的圖像檢索中相關(guān)反饋和特征融合方法研究.pdf

1、基于內(nèi)容的圖像檢索(CBIR)技術(shù)是當(dāng)前研究的熱點問題。它主要是利用圖像的視覺特征，如圖像的顏色、紋理、形狀等特征來進行檢索。它突破了傳統(tǒng)的基于文本檢索技術(shù)的局限，直接對圖像內(nèi)容進行分析并抽取特征，然后利用這些內(nèi)容特征建立索引并進行檢索。由于計算機對于圖像的理解能力非常有限，無法對圖像的語義信息進行準(zhǔn)確的理解，因此本文重點研究了圖像檢索中相關(guān)回饋和特征融合基本理論及算法。 本文首先研究圖像顏色的低級物理特征，通過對HSV色彩

2、空間的分析，發(fā)現(xiàn)H顏色信道量化區(qū)域分界處附近顏色存在漸變性和混雜性，提出了基于H顏色信道的模糊量化算法。在H顏色信道加入符合人類視覺模型的模糊信息，很好地解決了量化過程中色彩邊界處理問題。大量的對比試驗說明本文提出的模糊量化算法是有效的。 多個特征組合查詢被認為是能提高檢索效率有效方法。從某個角度看，圖像檢索過程可看作為一種排序問題，本文的第二部分工作就是針對這個問題展開，提出了新的加入多個分類器相關(guān)信息的Borda計數(shù)方法

3、的特征融合。該方法考慮到備個圖像檢索中分類器之間強烈的相關(guān)性，對各個分類器檢索出來的圖像按照一定的策略進行獎懲，重新對圖像進行排序。該算法能夠保持分類能力強的分類器結(jié)果，同時能夠抑制分類能力弱的分類器結(jié)果，實現(xiàn)了特征的有效融合。對比試驗表明該算法有效。 相關(guān)回饋技術(shù)是圖像檢索過程中的一種交互式技術(shù)。支掙向量機已經(jīng)成為近年來統(tǒng)計學(xué)習(xí)理論支持下發(fā)展起來的機器學(xué)習(xí)方法。在圖像檢索中，傳統(tǒng)支持向量機作為回饋學(xué)習(xí)僅僅是把相關(guān)回饋看作模