基于圖理論的圖像搜索結(jié)果重排序的研究.pdf

1、隨著互聯(lián)網(wǎng)搜索引擎日趨多元化，用戶已經(jīng)習(xí)慣于在互聯(lián)網(wǎng)上借助各類搜索引擎搜索各種信息，包括文本、圖像和視頻等。傳統(tǒng)的基于文本的圖像檢索系統(tǒng)，大都依賴關(guān)鍵字搜索。由于文本信息的描述內(nèi)容與圖像本身不匹配和圖像所包含的大量噪聲，導(dǎo)致搜索結(jié)果詞不達(dá)意?，F(xiàn)有主流的互聯(lián)網(wǎng)搜索引擎，如Google、Bing、百度等進(jìn)行相關(guān)的圖像搜索時(shí)，主要利用圖像周遭的相關(guān)文本信息來(lái)對(duì)圖像列表進(jìn)行搜索和排序，缺乏考慮圖像間內(nèi)在的聯(lián)系和圖像自身的內(nèi)容，導(dǎo)致基于文本的圖像

2、搜索結(jié)果不盡如人意。如何將符合用戶所需的圖像排在搜索結(jié)果中靠前的位置，提高圖像相關(guān)搜索結(jié)果的質(zhì)量，已經(jīng)得到了眾多研究者的關(guān)注。
　　圖像重排序是指在基于初始搜索結(jié)果的前提下，挖掘圖像間內(nèi)在的聯(lián)系和圖像自身的內(nèi)容，對(duì)初始排序結(jié)果重新進(jìn)行排序，將符合用戶所需的圖像排在靠前的位置。目前，根據(jù)使用框架的不同，圖像重排序方法大體可以分為四類:基于線性組合的重排序、基于聚類的重排序、基于分類的重排序和基于圖理論的重排序?，F(xiàn)有基于圖理論的重排序

3、方法一般對(duì)初始排序結(jié)果的得分采用偽相關(guān)方法，默認(rèn)靠前的圖像得分高，但事實(shí)并非如此。由于搜索引擎返回的初始排序的結(jié)果列表是基于文本檢索所得，其結(jié)果列表精度不高，可能會(huì)導(dǎo)致靠后的圖像更符合用戶所需。
　　基于上述問(wèn)題，本文提出了兩種基于圖理論的多模態(tài)圖像重排序算法，主要工作和創(chuàng)新點(diǎn)如下:
　　1.為了提高圖像檢索中的重排序效果，提出了一種基于圖理論的多模態(tài)隨機(jī)游走重排序算法?，F(xiàn)有的重排序算法大都根據(jù)檢索返回的圖像順序來(lái)設(shè)置圖像列

4、表得分序列初值，與此不同的是，本文所提算法將多模態(tài)概念融合應(yīng)用于隨機(jī)游走算法中，由此避免了單一模態(tài)獲取圖像內(nèi)容所造成的片面性，進(jìn)而利用多模態(tài)隨機(jī)游走方法對(duì)返回圖像列表的得分序列進(jìn)行初始化，然后利用多模態(tài)重排序算法最優(yōu)化目標(biāo)函數(shù)，并對(duì)相關(guān)參數(shù)和得分列表進(jìn)行迭代更新，從而獲得最終重排序后的圖像序列。實(shí)驗(yàn)顯示了本文所提出的基于圖理論的多模態(tài)隨機(jī)游走重排序算法具有良好的重排序效果。
　　2.為更加真實(shí)地反映圖像重排序的意圖，并使多模態(tài)在重

5、排序算法中更加有效，提出了一種基于圖理論的多模態(tài)相似性積分重排序算法。該算法首先將返回的圖像集生成六種模態(tài)，并將多模態(tài)概念應(yīng)用到相似性積分算法中。進(jìn)而將相似性積分算法返回的圖像排序得分列表作為基于圖的多模態(tài)重排序算法的輸入。在得到排序結(jié)果后，將利用標(biāo)準(zhǔn)拉普拉斯正則化生成重排序算法的目標(biāo)函數(shù)最小化。然后對(duì)相關(guān)參數(shù)和得分列表進(jìn)行迭代更新，最終獲得重排序后的圖像序列。實(shí)驗(yàn)表明文中所提出的重排序算法的排序效果良好，驗(yàn)證了基于圖理論的多模態(tài)相似性