基于內(nèi)容的圖像檢索相關(guān)技術(shù)的研究.pdf

1、隨著多媒體的推廣和應(yīng)用，以及信息和網(wǎng)絡(luò)技術(shù)的發(fā)展，產(chǎn)生了大量的各式各樣的視覺(jué)內(nèi)容。圖像是這些視覺(jué)內(nèi)容中的一個(gè)重要的組成部分。它能夠直接形象的表達(dá)信息。但如何從海量的圖像中檢索出自己感興趣的內(nèi)容成為當(dāng)前人們面臨的一個(gè)重要問(wèn)題。因?yàn)閭鹘y(tǒng)的基于文本的檢索已不能滿足人們的需求。基于內(nèi)容的圖像檢索正是解決此類問(wèn)題的一個(gè)行之有效的方法。而本文所作的研究正是圍繞基于內(nèi)容的圖像檢索相關(guān)方法的探討和實(shí)驗(yàn)。通過(guò)學(xué)習(xí)器學(xué)習(xí)訓(xùn)練樣本的特性。在測(cè)試階段用學(xué)習(xí)器對(duì)

2、待測(cè)數(shù)據(jù)進(jìn)行分類。
　　 在基于內(nèi)容的圖像檢索中，圖像的低層特征與高層語(yǔ)義之間一直存在“語(yǔ)義鴻溝”問(wèn)題，這是一個(gè)比較困難的問(wèn)題。用支持向量機(jī)解決語(yǔ)義關(guān)聯(lián)問(wèn)題是目前研究的熱點(diǎn)，支持向量機(jī)被認(rèn)為是統(tǒng)計(jì)學(xué)理論中一種最具優(yōu)勢(shì)的模式識(shí)別方法。用支持向量機(jī)進(jìn)行圖像分類具有十分優(yōu)秀的分類性能。然而傳統(tǒng)的SVM是一種有監(jiān)督的學(xué)習(xí)方法。利用已標(biāo)記的樣本訓(xùn)練分類器，對(duì)未知樣本進(jìn)行分類。人們更多的想有效利用大量的未標(biāo)樣本。半監(jiān)督學(xué)習(xí)算法的直推向量機(jī)(

3、TSVM)正是基于以上的想法設(shè)計(jì)的。并且本文將主動(dòng)學(xué)習(xí)隔入其中，選擇對(duì)于學(xué)習(xí)過(guò)程中最為有用的樣本進(jìn)行標(biāo)注，這些樣本能夠最大程度減少分類誤差。
　　 本文所作的主要工作如下：1.對(duì)基于內(nèi)容的圖像檢索進(jìn)行概述。研究了圖像的各種特征以及提取方法。2.關(guān)于SVM解決多類分類問(wèn)題，將“一對(duì)多”方法進(jìn)行改進(jìn)。提出適合本文實(shí)驗(yàn)的多類分類方法。3.運(yùn)用SVM解決圖像中低層特征與高層語(yǔ)義之間的語(yǔ)義關(guān)聯(lián)問(wèn)題，如何選取核函數(shù)，來(lái)提高語(yǔ)義關(guān)聯(lián)的性能。并