基于模糊矩陣學習的圖像檢索算法研究.pdf

1、隨著多媒體技術和網(wǎng)絡技術的飛速發(fā)展,大量的圖像信息充斥著我們的生活。雖然互聯(lián)網(wǎng)給我們提供了一個取之不盡用之不竭的多媒體信息數(shù)據(jù)庫,然而,在信息量增加的同時,如何快速而準確的查找到用戶滿意的圖像,成為了圖像檢索領域所面臨的一個嚴峻問題。因此圖像檢索技術也就應運而生,傳統(tǒng)的基于文本的檢索方法效率低下,于是人們提出了基于內(nèi)容的圖像檢索技術,并且得到了廣泛的研究。
　　 基于內(nèi)容的圖像檢索雖然克服了基于文本檢索方法的主觀片面和工作量大的

2、缺陷,但是低層視覺特征和高層語義之間的“語義鴻溝”卻成為了基于內(nèi)容圖像檢索技術前進的一大障礙。相關反饋機制在一定程度上縮小了圖像檢索中的“語義鴻溝”。
　　 本文在全面分析基于內(nèi)容的圖像檢索領域中的關鍵技術以及相關反饋的關鍵技術的基礎上,針對“語義鴻溝”方面的問題作了比較深入的研究,提出了一些有效的算法,并在此基礎上建立了一個簡潔、高效的支持語義檢索的圖像檢索系統(tǒng)。本文的主要工作包括:
　　 1、將顏色、紋理、形狀、顏色

3、空間位置特征組合起來,系統(tǒng)實現(xiàn)了基于多種特征的圖像檢索。給用戶提供了多種檢索方式,使檢索結果更符合用戶的要求。
　　 2、為了提高檢索和反饋的時間性能,采用支持向量機(SVM)對COREL圖像庫中的圖像進行分類,所使用的特征主要是顏色特征,將圖像庫中的圖像分類。實驗結果證明了在分類基礎上的相關反饋在時間性能上的優(yōu)越性。
　　 3、提出了一種基于模糊語義相關矩陣(FSRM)的相關反饋算法。該算法根據(jù)用戶對檢索結果的反饋調(diào)整

4、模糊語義相關矩陣中的權值,從而捕捉用戶的檢索意圖。通過對模糊語義相關矩陣中數(shù)據(jù)的學習并不斷修正語義矩陣中的權值,達到低層視覺特征到高層語義特征的過渡,最終提高了查詢的準確度。實驗結果證明了該算法可以有效的提高反饋結果的準確度。
　　 4、提出了基于模糊語義相關矩陣的學習算法和長期學習算法。學習算法可以有效的提取出FSRM中的隱含語義信息,并根據(jù)公式對模糊語義相關矩陣中權值進行相應的修改,使得FSRM中的語義信息可以更快的傳播,提