基于內(nèi)容語義的圖像檢索技術(shù)研究.pdf

1、圖像檢索最常用的方法有兩種：基于文本的圖像檢索TBIR和基于內(nèi)容的圖像檢索CBIR?；谖谋镜膱D像檢索使用關(guān)鍵字查找相關(guān)圖像，而基于內(nèi)容的圖像檢索也稱為例子檢索，首先提取圖像的底層特征如顏色、紋理、形狀特征等，并以此表示圖像，通過計算圖像特征間的相似度進行圖像檢索。當用戶輸入一個例子圖像，系統(tǒng)自動計算其它圖像與例子圖像之間的相似度，并輸出與其在視覺上相似的圖像作為檢索結(jié)果。然而由于圖像底層特征與高層語義間的鴻溝，基于底層特征的例子檢索遠

2、不能達到所有用戶的需求，檢索準確率和查全率都存在不足，因此基于語義的圖像檢索應運而生。
　　本文在閱讀大量文獻的前提下，對圖像檢索過程的關(guān)鍵技術(shù)進行了總結(jié)和探討，根據(jù)已有技術(shù)進行了創(chuàng)新和改進，提出自己的圖像檢索方案，并通過大量實驗，證明了本文方法的可行性。本文具體成果如下：
　　（1）通過整合圖像的文本及視覺信息，提出一種自動將文本轉(zhuǎn)化為視覺表示的方法，實現(xiàn)基于跨媒體字典的圖像檢索。該方法先標注圖像集挖掘文本和圖像間的關(guān)系，

3、建立一個類似雙語字典的跨媒體字典，自動將文本查詢轉(zhuǎn)化為視覺查詢，再分別對圖像進行基于文本和基于視覺的檢索。
　?。?）圖像特征聚類的方法常用的有k-means聚類算法和模糊c均值聚類算法。本文改進了模糊c聚類算法，提出一個新的概念為加權(quán)類間分離模糊聚類WISFC，對檢索圖像進行雙重聚類。第一步對所有圖像用 k-means 聚類算法聚類，將得到的聚類質(zhì)心作為新算法的初始質(zhì)心，再次對圖像進行聚類。當輸入一個例子圖像時，就可以用此方法獲

4、得例子圖像的特征向量，并通過距離計算返回相似度大的圖像。
　?。?）決策樹作為一種廣泛使用的分類器，可以高效的對未知數(shù)據(jù)進行分類，本文提出一種運用決策樹進行圖像檢索的方法，利用圖像的高層語義對圖像進行檢索。該方法共有兩個創(chuàng)新點：一是提取圖像的底層特征訓練決策樹，并通過決策樹算法學習圖像的語義標簽，從而將圖像連續(xù)的特征離散化，根據(jù)語義標簽去檢索相似的圖像；二是在提取完圖像的顏色和紋理特征之后，采用典型相關(guān)分析CCA 算法增強兩類特征