图像检索中基于标记与未标记样本的主动学习算法

为解决监督学习过程中训练样本集过小问题，提出一种未标记样本辅助学习与主动学习相结合的学习方法．基于用户已标记样本与数据库内未标记样本，利用EM算法得到初始朴素贝叶斯分类器与初始假设；主动学习算法寻找数据库内对于优化学习过程最有用的样本请求用户标记；算法根据用户反馈，迭代更新已有查询概念，直至用户满意为止．实验表明，本文算法能够显著提高学习器的效率和性能，并可快速收敛于用户定义的查询概念．     

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.     

基于半监督学习的双线性映射图像检索

"语义鸿沟"是基于内容图像检索中广泛存在的问题。近年来,人们为减小语义鸿沟开展了许多研究工作,并将半监督学习方法用于其中。目前,多数的检索方法只考虑数据点的结构信息,或关注点集中在低层特征。为了充分利用结构信息缩小低层特征和高层语义之间的语义鸿沟,提出了一种半监督的双映射机器学习图像检索法。该方法在低层特征与标签之间建立双线性映射,最后使用Corel图像库同流行嵌入法进行对比,实验表明所提出的方法在检索过程中可以获得较好的效果,精准率有明显提高。     

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．     

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.     

基于内容的图像检索技术的现状和发展趋势研究

介绍了基于内容的图像检索技术的特点,讨论了各种特征提取技术,阐述了相关反馈、性能评价等内容。     

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     

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。     

基于支持向量机的图像检索主动学习方法

为解决基于内容的图像检索中训练集样本过小问题,本文提出一种结合相关反馈和支持向量机的主动学习算法,首先计算未标注样本到分类超平面的距离以及与当前训练集中样本的余弦距离和,然后取具有总的最大余弦距离同时到超平面距离最短的样本加入训练集,通过增加最具信息的样本到训练集,使得分类器可通过少量反馈次数而快速达到较高的准确性.试验表明,本文算法能有效提高分类器的分类精度和泛化能力,在减少评价样本数量的前提下,可快速收敛于用户定义的目标查询概念.     

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。     

基于内容图像检索系统的性能改进方法

在通用型的CBIR原型系统的基础上,首先讨论CBIR系统的性能指标,并对CBIR系统的检索性能改进方法 进行了研究;然后重点讨论了异种特征的组合查询和相关反馈两种性能改进技术,并使用原型系统对以上两种技术进行了测试,使图像检索的查准率和查到率得到明显改善,并有效地增强了CBIR系统的灵活性。     

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%．     

面向基于内容图像检索的图像感知Hash

提出一种建立在HSV空间颜色分类和形态特征基础上的图像Hash方法,用于图像检索.将图像尺寸规格化,并根据HSV空间中各分量的取值范围,将像素归为11类,在各类颜色成分中提取亮度、大小、形态等特征,加权得到Hash值以构成图像库的索引表,从而实现基于内容的图像检索(content-based image retrieval,CBIR).与其他方法相比,用该方法提取的图像特征除颜色外还包含形态特征,能较好地体现图像内容.实验结果表明,该方法具有良好的性能.     

基于投票策略的决策融合用于自然图像检索

在基于内容的图像检索中,用图像的多种特征可以很好地弥补单一特征表示图像视觉内容的不足,不同特征表示的视觉信息各不相同,所以在图像检索中对多种特征进行融合有助于提高检索性能。将图像检索看作分类问题,针对图像检索特点修改Borda投票策略,对不同分类器的决策结果通过评分和排序达到决策融合。实验结果证明此方法是可行的。