基于内容的医学影像资源检索系统的设计框架

基于内容的医学影像资源检索系统,建立了文本和图像相结合的检索：利用本体抽取医学文本资源特征和基于医生视觉特性的图像特征,建立医生视觉分类与本体之间的关联,实现文本和图像共同索引的检索系统,既能支持文本与图像相结合的检索,又能完成单独文本或图像的检索,并建立查询反馈机制,改进检索系统的性能。该系统的建立为医生的临床诊断及科研提供了有利工具,提高了医生的诊断效率和准确性。     

基于本体的医学图像检索系统

介绍了基于内容的图像检索技术和医学图像检索系统的相关概念,分析了医学图像检索系统的研究现状,采用多特征归一化图像检索方法、低级特征和语义特征相结合的二级检索机制,构建了一个基于本体的医学图像检索系统。     

基于本体的信息检索技术的研究

基于关键词处理的传统检索技术会在检索过程中遗漏大量与检索概念相关或同义的内容.针对这种情况,提出了一种基于本体的Web信息检索模型.该模型能够利用本体得到具有语义的索引项,并生成较好的文档逻辑视图和用户需求逻辑视图,从而可以使检索性能大大提高.     

基于支持向量机语义分类的两种图像检索方法

为了更好的解决基于内容的图像检索问题,提出了2种基于语义的图像检索方法.第1种是基于支持向量机(SVM)语义分类的图像检索方法.该方法首先提取训练图像库的底层特征信息,然后利用SVM对所提取的特征进行训练,构造多分类器.在此基础上,利用分类器对测试图像自动分类,得到图像属于各个类别的概率,实现图像检索.第2种是利用图像自动标注方法进行检索.在基于语义的图像自动标注中,先对训练集进行人工标注,对测试图像利用SVM分类器进行分类,并找到与该图像最相似的N张构成图像集,对该图像集的标注进行统计,找到关键词,从而提供概念化的图像标注以用于检索.通过在标准图像检索库和自建图像库上的实验结果表明,以上2种基于语义的图像检索方法是高效的.     

唐卡领域本体研究与构建

分析并构建唐卡领域本体,以实现基于语义的唐卡图像标注与检索.在唐卡领域专家的指导下分析唐卡的分类体系,给出唐卡本体相关的定义和公理,定义了相关概念、对象、属性、实例及约束条件,并基于Protégé构建了唐卡领域本体.最后对其进行一致性分析,实现了基于语义的唐卡知识库查询,进一步验证了所构建唐卡领域本体的合理性.     

Ontology与Agent在图像检索中的应用

提出了利用本体论和智能主体理论设计的一种新的图像检索技术——图像检索服务器.它集成了五种智能主体,并利用本体论的方法描述图像的语义特征继而对图像进行领域分类,同时规范化了用户的查询条件.使用该系统,图像检索的性能得到了很大的改进.     

改进型IMO_CRM模型的研究

针对目前互联网用户习惯使用较为简单的关键字来进行信息检索的现状,文章对用户的检索关键字进行语义扩展,力求检索结果尽可能地满足用户的初衷.利用互信息与本体互补性,建立基于互信息和本体的协同检索模型（MO_CRM）.在MO_CRM模型的基础上,对相关的领域本体的修正与补充进行了更进一步的研究与讨论,得到改进型IMO_CRM模型,从而提高了信息检索的查全率与查准率.     

基于RGB分量小波分解的数字图书馆图像检索技术

图像检索技术是数字图书馆进一步发展的核心技术,目前主要受到检索准确度和检索速度之间矛盾的制约.为此提出了一种基于RGB分量小波分解的图像检索方法.首先,利用原始图像信息生成RGB三色分量图像.然后,将每一幅分量图像进行小波分解,求取其低频分量成分.最后,利用RGB三色分量图像的低频成分进行融合,生成最终的相似性测度.实验结果表明,此方法可以在确保准确性的前提下,快速地实现图像检索.     

基于最优ROC曲线的k-部排序本体算法分析

本体相似度计算和本体映射被广泛应用于查询扩展和图像检索中,已成为信息科学研究的热点内容,其核心为计算本体图中顶点间的相似度.本文从理论的角度分析最优ROC曲线标准下k-部排序本体算法的性质,给出算法模型的单调性、广义误差、可微性等若干统计特征.     

一个基于本体的语义检索方法

提出一个基于本体的语义检索方法,利用领域本体知识对各类资源进行语义标注.把用户查询转化为形式化的SPARQL检索描述,再把执行查询后的结果扩展到相关的标注资源.     

基于分形维数的多线索商标图案检索系统

采用基于内容的图像检索技术,根据查询图像和目标图像的相似度匹配进行图像检索,图像的内容由五种特征来描述：图像的分形维数、分形矢量、边界分形维数、骨架分形维数和距离分布直方图,系统界面友好、功能齐全,实验证明系统的检索效果比较理想,具有很好的平移、尺度和旋转不变性,并且只要查询图像在图库中,就一定能被检索出来,另外,系统还具有一定的鲁棒性。     

基于非负矩阵分解的相关反馈图像检索算法

提出了一种新的基于非负矩阵分解(NMF)的相关反馈检索算法．在每次反馈过程中,由用户标记与查询图像相似的正例样本的特征向量构成样本矩阵,进行NMF分解,得到NMF的基矩阵和样本的系数矩阵,然后根据分解所得的模型进行检索．由于NMF在一定程度上勾勒出了相关图像在基矩阵所代表的空间中的分布,因而可以有效地提高检索的查准率．使用由500幅图像组成的图像库进行实验,通过与特征加权以及支撑向量机相关反馈方法的比较表明,该方法通过交互的NMF相关反馈,确实能使图像检索的查准率得到较大的提高．     

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     

面向证券领域的本体建模及资源检索框架

为了提高专业领域内信息检索的查准率，使检索结果在语义层面能够重新进行排序以去除非相关条目，利用语义Web中的本体技术和本体标准描述语言OWL建立了证券领域本体，并且基于证券领域本体提出了面向专业领域的信息资源检索系统IRS—SA，该系统有助于机构或者个人投资者获得及时有效的证券信息．系统接受输入检索关键词从而利用查询转化器自动构造或扩展用户查询，将自然语言查询转化为系统内部的格式后，使检索获得的结果按照本体中定义的概念及关系进行语义再排序，并将最后所得结果返回给用户，提高了文档语义相关性程度．     

面向自然语言理解的图像情感语义检索

随着多媒体技术的迅速发展,图像资源的管理和检索日益成为研究热点,目前的图像检索技术因忽略了情感因素而显得力不从心.通过对自然语言分词,应用OCC情感模型,实现了使用自然语言对图像库进行情感语义检索.以百度图片频道下载的800张自然风景图像数据建立图像库并进行测试,实验结果表明取得了良好的检索效果,可为更多类型的图像情感语义检索打好基础,具有一定的实用价值.     

图像检索技术综述

对于一个图像检索系统,最重要的是信息获取的准确性、快速性和有效性.通过对现有信息检索技术的分析和比较,包括基于内容的信息检索、基于语义的信息检索、基于反馈的信息检索和基于知识的信息检索,指出了现有图像检索系统的难点和不足,同时指出了图像检索技术的发展趋势和研究方向.     

图像检索技术综述

对于一个图像检索系统，最重要的是信息获取的准确性、快速性和有效性。通过对现有信息检索技术的分析和比较，包括基于内容的信息检索、基于语义的信息检索、基于反馈的信息检索和基于知识的信息检索，指出了现有图像检索系统的难点和不足，同时指出了图像检索技术的发展趋势和研究方向。     

科技资源图像检索技术研究与实现

科技资源具有海量、复杂、异构、地理分布广的特点。为了高效查找和使用科技资源的图像,综合运用TB IR(基于文本的图像检索)和CB IR(基于内容的图像检索)共同检索科技资源图像,设计了科技资源图像检索系统,并对系统中的图像分割、特征提取和相似度度量3种关键技术进行了研究。