CBIR中相關反饋技術的研究.pdf

1、隨著網(wǎng)絡技術的發(fā)展，基于內(nèi)容的圖像檢索已經(jīng)成為圖像處理領域一個研究熱點。但由于圖像理解技術發(fā)展有限，圖像的視覺底層特征與高層語義之間存在鴻溝，使基于內(nèi)容的圖像檢索結果不能滿足用戶的需求。為了克服這個困難，在圖像檢索中引入了人機交互的相關反饋技術，有效的提高了系統(tǒng)的檢索性能。論文首先對相關反饋技術的發(fā)展現(xiàn)狀以及特點進行了綜述，然后在相關反饋技術所涉及的查詢向量修改，權值矩陣更新以及長期學習策略上進行了深入的研究。論文取得的創(chuàng)新成果如下：1

2、.從非參數(shù)估計的角度出發(fā)，利用核密度估計理論，把經(jīng)核密度估計得到的樣本分布的峰值作為更新后的查詢向量，并引入均值漂移的優(yōu)化方法，通過迭代獲得最優(yōu)的查詢向量。 2.對于當前的反饋，通過分析所有相關圖像與非相關圖像特征各維的分布情況，動態(tài)更新不同特征之間權重以及每個特征各維之間的權重來捕捉用戶的查詢意圖。 3.從長期學習的策略出發(fā)，建立了一個有記憶性的語義樹來實時記錄用戶的反饋檢索情況，有效的縮小了后繼圖像檢索時的搜索空間并