基于语义图像检索的关键技术

结合作者在基于内容的图像检索(CBIR)方面的研究工作,指出了基于语义的图像检索是图像检索发展的趋势。首先给出了层次化语义模型,然后介绍语义表示的方法,详细总结了三种语义提取方法:基于视觉特征的语义算法、基于关键字网络的语义算法和基于语义向量的算法。最后,阐述了相关反馈技术的应用。     

基于支持向量机的相关反馈算法研究

相关反馈技术是近年来在图像检索中较为重要的研究方法，通过相关反馈可以形成图像低层视觉特征与用户高层语义特征的映射关系．从机器学习的角度，介绍一种以支持向量机为分类器的新的相关反馈方法，在一定程度上解决了基于内容的图像检索中存在的由于底层特征和上层理解之间的差异而造成的“语义鸿沟”（semanticgap）问题．     

基于内容图像检索中的相关反馈技术

相关反馈技术提供了填补图像检索中低级特征与高层语义之间的巨大鸿沟的方法,从而保证了基于内容的图像检索的效率和效果。相关反馈算法从解决反馈信息量不足、反馈检索器性能和加强实时性三个方面问题可分为三类：反馈图像选择算法、反馈检索与分类算法及日志挖掘算法等。本文提出了相关反馈处理框架并详细介绍了三大类算法及思想,并进行了比较和总结。     

融合流形学习与相关反馈的人脸图像检索

针对图像检索中视觉特征和语义信息中的"语义鸿沟"问题,提出一种融合流形学习和相关反馈的人脸图像检索算法.该算法充分考虑相关反馈提供的结合语义信息的正反例样本来发现图像样本之间的鉴别性流形,优化构建低维嵌入空间的特征向量,使得相关图像之间保持近邻关系,通过最大化不相关图像之间的距离,得到一个结合了用户语义理解的低维流形特...     

一种基于自学习的动态语义网络的图像检索方法

基于关键字和基于内容的图像检索是图像检索系统中的两种重要方法.而当今,图像检索系统重点强调在图像检索过程中,高层语义与低层视觉特征的结合.最近,一些研究者在检索周期中采用用户互交,使用上述方法和半自动图像检索的结合,取得了一些成果,但没有自学习的动态语义功能,检索效率不高.论文给出的方法是基于一个分层的语义网络,在图像检索领域能够响应不能的需求,并且根据用户的反馈,执行一个新的动态学习检索过程,可以明显的提高图像检索效率.     

基于内容图像检索中的"语义鸿沟"问题

目的探讨目前CBIR系统中广泛存在的“语义鸿沟”问题。方法阐述了该问题的表现及产生的实质;从获取图像语义的角度出发,研究和分析了当前针对这一问题的一些处理方法以及存在的问题,并提出了初步的解决思路。结果现阶段在CBIR中应用多层次的相关反馈方法,能够较好地建立和修正图像低层特征与高层语义间的联系,有助于缩小图像检索过程中的“语义鸿沟”,并达到了一定程度语义检索的目的。结论实现真正意义上的基于语义的图像检索,将是解决“语义鸿沟”问题的最有效途径。     

基于内容的大规模图像检索基本方法

基于内容的图像检索方法是利用互联网上大量的图像信息,以计算机视觉、信息检索、统计学习等理论为基础,发展图像内容的提取和检索技术。本文主要针对提取的显著点和特征缺乏语义信息的问题,提出将显著点和SVM相关反馈结合的图像检索方法。     

基于粗糙集与SVM的图像检索相关反馈算法

通过有效的组织粗糙集理论的约简算法与支持向量集中的分类算法,借助用户的反馈标记,较大的提高了图像检索查全率与查准率,使检索的目标图像更能符合用户的语义特征.由于粗糙集理论的引入消去了本次检索的冗余属性,提高了图像检索的时间复杂性.SVM与相关反馈的结合降低了维数灾难,也降低了高层语义与低层特征的差异带来的困难.     

基于感兴趣区域和神经网络的图像检索

提出一种感兴趣区域的图像检索方法,该方法首先采用遗传FCM算法对图像进行分割,然后提取分割后的区域特征进行检索;为了缩小低层特征和高层语义之间的语义鸿沟,最后提出一种基于神经网络的相关反馈方法,实验表明,该方法具有较好的检索性能,系统具有较高的查全率和查准率.     

基于移动中心点图像检索的相关反馈技术

为了解决图像捡索中的“语义鸿沟”问题，本文提出了基于移动中心点的图像检索相关反馈方法，通过人与计算机的交互，获取人对图像的理解，并不断的调整图像特征的权值以及相似度量中的参数，最终得到与用户需求相吻合的结果。实验证明此法可以有效提高语义分类的准确性。     

名人网页相关度评价的概率模型研究

以名人网页语料库为基础,研究名人网页的个性化检索设计,实现了名人网页相关度评价的概率模型．从模型的训练策略、相关度计算公式等方面进行实验分析,总结了概率模型的规律,提出了模型的改进方法．实验表明,通过选择合适的训练集、细化用户反馈信息,模型取得了较高的相关度评价准确率．     

基于支持向量机的相关反馈图像检索算法

相关反馈技术是近年来在图像检索中较为重要的研究方法 ,从机器学习的角度 ,以支持向量机 (SVM)为分类器 ,提出了一种新的相关反馈方法。在每次反馈中对用户标记的正例和反例样本进行学习 ,建立 SVM分类器作为模型 ,并根据学习所得的模型进行检索。由于 SVM分类器在一定程度上勾勒出了相关图像在特征空间中的分布 ,因而对整个图像库进行检索时可以查找到更多的相关图像。使用由9918幅图像组成的图像库进行实验 ,结果表明 :该方法可以通过交互的反馈过程 ,有效地检索出更多的相关图像 ,并且在有限训练样本情况下具有良好的泛化能力     

交互式图像检索中的相关反馈技术研究进展

相关反馈是近年来交互式图像检索领域研究的重要方向.首先提出了基于相关反馈的图像检索系统框架,并在此基础上从机器学习的角度分析了相关反馈学习的算法模型、样本获取、分布密度估计,及其在其特定应用背景下的困难和挑战.进而对图像相关反馈技术的研究现状进行调查总结,从聚类和分类两个方面对各种相关反馈算法在基于内容的图像检索中的应用进行了较为深入地研究和比较.最后对相关反馈技术发展趋势进行了展望,指出了该技术与图像语义抽取、用户模型建立以及软计算技术之间存在的密切关系.     

基于多查询数据融合和正相关反馈的检索算法

为提高信息检索系统的性能，提出了一种多查询数据融合与正相关反馈相结合的检索算法．算法的核心思想是：利用基于向量表示的余弦相似度测度计算查询与文档之间的相似度，采用多查询数据融合技术将多个检索结果融合，以及从上一次检索结果中取出前M个相关文档和初始查询一起构成新的查询，将新查询提交给系统并继续下一次的检索，如此反复，直到获得满意的结果．实验结果表明，该算法相对于仅使用了多查询数据融合技术的算法和仅使用了正相关反馈技术的算法，其平均准确率分别提高42．6％和23．17%．     

图像检索中相关性反馈模型研究

相关性反馈是图像检索中一个重要的组成部分。本文介绍了文本检索中相关性反馈技术及相关性反馈模型。在此基础上,引入基于内容的图像相关性反馈技术及相关性反馈模型。     

基于内容相关性挖掘的反馈式搜索引擎框架

当前主流的搜索引擎根据查询词在网页中的出现频率,辅以网页权威性等信息,生成查询结果．但用户提供的查询词往往非常简单,因此搜索引擎难以确定用户的查询意图．为此,给出了一种利用海量clickthrough数据进行网页内容相关性挖掘的方法,在此基础上给出了一种反馈式搜索引擎（FSE）框架及相关算法．FSE根据网页相关性动态生成查询结果,以期提供给用户更中肯和个性化的信息．基于真实点击数据,进行了网页相关性矩阵的压缩实验和有效性实验,证明了该框架的可行性．     

检索相关性及其提高路径

阐述并分析了信息检索相关性的内涵和影响相关性的因素,归纳了相关性研究的状况,指出当今信息环境下提高检索系统相关性的具体路径.     

基于相关反馈的视频检索算法

针对信息检索中如何提高检索的精度问题,提出了一个基于相关反馈的视频检索算法。利用信号在神经网络中来回传递实现自动相关反馈,提高了检索精度,且最大限度地减少了相关反馈中人的参与,最后检索的结果是与查询最接近的一段视频片段。给出了神经网络的构造和具体的检索算法,并与基于关键帧的视频检索方法进行了比较。实验结果表明,用该算法检索的准确度比用基于关键帧的视频检索方法平均提高6%以上。     

粒子群优化结合相关反馈的花卉图像检索

针对花卉图像特性,为平衡花卉图像检索系统的检索精度与速度,提出一种将粒子群优化结合于花卉检索相关反馈的算法.算法以2RGB为花卉图像的颜色模型,选取计算量较小的图像低层特征描述,按用户的满意度对检索结果进行评价,指导反馈过程中粒子的最优运动方向.实验结果表明,该算法能有效提高系统的检索效率.     

基于内容的彩色细胞图像检索

提出了一种结合颜色、纹理和形状特征的细胞病理图像检索方法．首先,运用K-均值聚类方法提取出细胞核,并且采用多域值分割算法去除细胞图像中的背景区域．提取的特征包括颜色、纹理和形状等,这些特征能很好地表征单核细胞的主要特性．由于提取的特征数值范围以及物理意义不尽相同,对特征进行了归一化处理．最后提出了相关的反馈系统．该系统可以自动地调整不同特征的权值,提高了图像检索的准确率．运用该方法进行细胞图像的检索更符合人的视觉感觉要求,比仅仅提取一个特征的方法更加准确．