機(jī)器學(xué)習(xí)算法在基于語(yǔ)義圖像檢索中的應(yīng)用.pdf

1、圖像是因特網(wǎng)上內(nèi)容的一個(gè)重要組成部分，它能夠直接、形象的表達(dá)信息。隨著數(shù)字照相設(shè)備和具有拍照功能的手機(jī)的普及，數(shù)字圖像的數(shù)量正在急劇的膨脹。與此同時(shí)，圖像信息的應(yīng)用越來(lái)越廣泛，人們對(duì)圖像等多媒體數(shù)據(jù)的需求也越來(lái)越強(qiáng)烈。傳統(tǒng)的檢索技術(shù)，如基于文本的圖像檢索，已不能完全滿(mǎn)足人們的要求?；趦?nèi)容的檢索方式，解決了圖像自動(dòng)索引的問(wèn)題，但其使用的底層特征通常無(wú)法解釋成人類(lèi)能夠理解的高層概念。 近年來(lái)，基于語(yǔ)義圖像檢索得到越來(lái)越多的研究。本

2、文首先介紹了基于語(yǔ)義關(guān)鍵技術(shù)，總結(jié)了圖像語(yǔ)義提取算法在圖像檢索領(lǐng)域的應(yīng)用，然后綜合了幾種語(yǔ)義提取算法的特征和借鑒基于內(nèi)容圖像檢索的反饋技術(shù)提出新的語(yǔ)義更新策略。 為了實(shí)現(xiàn)圖像的高層語(yǔ)義特征的自動(dòng)提取，本文介紹了支持向量機(jī)和樸素的貝葉斯在語(yǔ)義提取中的應(yīng)用。針對(duì)前人使用1-v-r多分類(lèi)SVM模型在語(yǔ)義提取中應(yīng)用的缺點(diǎn)，本文應(yīng)用了樣本相差懸殊的SVM模型對(duì)它進(jìn)行了改進(jìn)，并采用算法時(shí)間復(fù)雜度比較高的1-v-1多分類(lèi)模型進(jìn)行圖像語(yǔ)義庫(kù)的構(gòu)

3、建。一方面，使用該分類(lèi)模型從圖像的底層特征自動(dòng)獲取圖像的語(yǔ)義注釋信息，跨越了“語(yǔ)義鴻溝”；另一方面，使用該分類(lèi)器模型構(gòu)建的圖像語(yǔ)義庫(kù)在基于語(yǔ)義檢索系統(tǒng)中能有一個(gè)比較好的結(jié)果。 另外，由于不同的用戶(hù)對(duì)圖像的理解不同，為了捕捉這種用戶(hù)的不同理解，本文構(gòu)建了一個(gè)可根據(jù)用戶(hù)反饋進(jìn)行更新的語(yǔ)義結(jié)構(gòu)，并采用了一種面向用戶(hù)的綜合檢索算法。 最后，本文實(shí)現(xiàn)了一個(gè)圖像管理和檢索實(shí)驗(yàn)系統(tǒng)，并利用該系統(tǒng)進(jìn)行了多種檢索方式的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明本