機器學習算法在基于語義圖像檢索中的應(yīng)用.pdf

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

2、文首先介紹了基于語義關(guān)鍵技術(shù)，總結(jié)了圖像語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)提出新的語義更新策略。 為了實現(xiàn)圖像的高層語義特征的自動提取，本文介紹了支持向量機和樸素的貝葉斯在語義提取中的應(yīng)用。針對前人使用1-v-r多分類SVM模型在語義提取中應(yīng)用的缺點，本文應(yīng)用了樣本相差懸殊的SVM模型對它進行了改進，并采用算法時間復(fù)雜度比較高的1-v-1多分類模型進行圖像語義庫的構(gòu)

3、建。一方面，使用該分類模型從圖像的底層特征自動獲取圖像的語義注釋信息，跨越了“語義鴻溝”；另一方面，使用該分類器模型構(gòu)建的圖像語義庫在基于語義檢索系統(tǒng)中能有一個比較好的結(jié)果。 另外，由于不同的用戶對圖像的理解不同，為了捕捉這種用戶的不同理解，本文構(gòu)建了一個可根據(jù)用戶反饋進行更新的語義結(jié)構(gòu)，并采用了一種面向用戶的綜合檢索算法。 最后，本文實現(xiàn)了一個圖像管理和檢索實驗系統(tǒng)，并利用該系統(tǒng)進行了多種檢索方式的實驗，實驗結(jié)果表明本