流形学习在图像检索中的应用研究

图像检索技术是一项融合图像处理、数据库、计算机视觉及图像理解等多个领域技术为一体的近似匹配技术。图像检索技术主要体现在图像特征提取与匹配两个方面,从图像特征提取层面看,现阶段国内多数检索法均是围绕图像底层特征（图像形状、图像颜色等）进行检索,其中所提取的图像特征数据大都为高维向量。     

基于不对称贝叶斯学习的图像检索相关反馈算法研究

基于贝叶斯(Bayesian)理论的相关反馈技术是可有效提高图像检索性能的重要手段之一.然而,当前大多数的Bayesian反馈算法普遍受到小样本问题和训练样本不对称问题的制约.本文提出一种新的相关反馈算法,该算法将查询点移动(query point movement,QPM)技术嵌入Bayesian框架中,并采用不对称的学习策略处理正、负反馈信息,故而称之为不对称Bayesian学习(asymmetry Bayesianlearning,ABL).对于正例样本,该算法同时考虑用户提供的正、负反馈信息,并借助QPM技术估计相关语义类图像的概率分布.对于负例样本,采用一种半监督学习机制以应对负例样本稀缺问题.首先,通过随机采样从数据库中选取一组无标记图像,然后,利用QPM技术对其进行数据审计.最后,将审计后的无标记图像作为额外的负例样本,并与用户标记的负反馈信息一起用于估计不相关语义类图像的概率分布.仿真实验及对比结果表明,不对称Bayesian学习策略可显著提高相关反馈的效率,且本文算法的检索性能明显优于当前其它的相关反馈算法.     

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。     

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。     

基于流形学习的图像检索研究进展

基于内容的图像检索是当前研究的热点,然而由于语义鸿沟问题而限制其检索能力的提高.而流形学习可以利用图像数据库中的数据,以及和用户交互的反馈信息获得用户的语义概念,从而提高检索性能.本文鉴于流形学习在图像检索中表现出的有效性,分析了近几年将流形学习应用到基于内容图像检索中的算法,从归纳和转导角度将相关内容分为两个类别,针对每个类别总结分析了相关算法,并总结了有待进一步研究的问题.     

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.     

基于重选择流形排序的图像检索

在研究已有基于流形排序图像检索算法存在问题的基础上,提出一种基于重选择流形排序的图像检索算法,此算法可以在节约时间的同时,进一步提高检索结果的精度,并在实际图像数据库中的实验结果验证了此算法的有效性.     

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     

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.     

Audio Retrieval Based on Manifold Ranking and Relevance Feedback

An audio information retrieval model based on Manifold Ranking(MR) is proposed, and ranking results are improved using a Relevance Feedback(RF) algorithm. Timbre components are employed as the model's main feature. To compute timbre similarity, extracting the spectrum features for each frame is necessary; the large set of frames is clustered using a Gaussian Mixture Model(GMM) and expectation maximization. The typical spectra frame from GMM is drawn as data points, and MR assigns each data point a relative ranking score, which is treated as a distance instead of as traditional similarity metrics based on pair-wise distance. Furthermore, the MR algorithm can be easily generalized by adding positive and negative examples from the RF algorithm and improves the final result. Experimental results show that the proposed approach effectively improves the ranking capabilities of existing distance functions.     

Online Metric Learning for Relevance Feedback in E-Commerce Image Retrieval Applications

Relevance feedback plays a key role in multiple feature-based image retrieval applications. This paper describes an online metric learning approach for a set of ranking functions. In the feedback round, the most relevant and most nonrelevant images related to the target image are selected to construct a relative comparison triplet. The weighting parameters of the multiple ranking functions are updated by minimizing a quadratic objective function constrained by the triplet. The approach unifies the learning algorithm for the most commonly used ranking functions. Thus, multiple features with their own ranking function can easily be employed in the ranking module without feature reconstruction. The method is computationally inexpensive and appropriate for large-scale e-commerce image retrieval applications. Customized ranking functions are well supported. Practically, simplified ranking functions yield better results when the number of query rounds is relatively small. Experiments with an image dataset from a real e-commerce platform show the superiority of the proposed approach.     

基于模糊多类SVM的图像检索相关反馈

提出一种基于模糊多类SVM(FSVMs)的图像检索相关反馈算法.首先,将图像检索的相关反馈过程看成是一个正样本类和多个负样本类之间的多分类问题,改善了反馈固有的正负样本不对称问题;其次,将受限随机选择（CRS）扩展为多类受限随机选择(MCRS)来扩充多类负样本,解决小样本问题;并以记忆性标注的方式降低用户多类标注的疲劳和误差.实验结果表明,该方法能在较少的反馈次数内得到较满意的检索结果.     

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Gabor滤波器和相关反馈的医学图像检索

针对医学图像检索问题,提出了一种结合Gabor滤波器和相关反馈的医学图像检索算法.首先,采用Gabor滤波器的方法对医学图像进行纹理特征提取,计算图像相似度;然后,利用相关反馈技术调整图像之间的相似度,改善图像检索过程中的人机交互性能.实验表明,通过相关反馈,该方法有效地提高了检索结果的查准率、查全率.     

基于颜色特征分布及相关反馈的图像检索方法

在基于内容的图像检索中,大部分工作主要集中在提高检索系统的独立性和全自动性方面,由于存在着低层语义特征与高级概念间的差距、视觉感知的主观性等因素影响,使传统检索方法受到了限制,在巳提出的基于颜色空间分布检索方法基础上,引入相关反馈机制,弥补了原有方法的不足,进一步体现了系统的交互性,提高了图像检索效果。     

基于语义的信息检索中的反馈技术

首先分析了两种基于语义的信息检索系统的基本框架。由于相关反馈计算在基于内容的图像检索中受到广泛重视,因此对相关反馈中的加权距离进行了讨论和总结。这种相关反馈技术使得高层次语义特征能够逐步嵌入到低层次特征的图像检索中,使检索的准确率大大提高。     

图像检索中基于记忆与半监督的主动相关反馈算法

为快速提高相关反馈算法的效率,提出一种记忆与半监督相结合的主动相关反馈算法.在检索初期,利用记忆信息获得较多的正训练样本,利用用户已标记样本与数据库内未标记样本有效地解决训练样本不平衡问题,获得准确的初始SVM分类器;在检索后期,利用主动学习算法寻找数据库内对优化学习过程中最有用的样本请求用户标记,减少用户标记的样本量,加快收敛速度.对5000幅Corel图像数据库的实验表明,与传统相关反馈算法相比,新算法能够显著提高学习器的效率和性能,并快速收敛于用户的查询概念.