基于顏色特征的快速圖像檢索技術(shù)的研究.pdf

1、隨著計算機(jī)、互聯(lián)網(wǎng)以及手持移動設(shè)備的快速發(fā)展，關(guān)于數(shù)字圖像的應(yīng)用越來越多。其中，基于內(nèi)容的圖像檢索技術(shù)是近些年國內(nèi)外研究的熱點(diǎn)之一。本文對基于內(nèi)容的圖像檢索的一些關(guān)鍵技術(shù)進(jìn)行了探討，并針對圖像的低層顏色特征提取、低層特征與高層語義之間的語義鴻溝，以及相關(guān)反饋算法都提出了相應(yīng)的改進(jìn)方法，以適應(yīng)更加快速更加精準(zhǔn)的圖像檢索需求。
　　針對圖像低層顏色特征提取，本文提出了顏色互信息特征(Color MutualInformation, C

2、MI)。CMI特征是在顏色相關(guān)圖的基礎(chǔ)上融入了信息論中互信息的概念，充分利用了顏色相關(guān)圖中不同“顏色對”所具有的空間相關(guān)性的特點(diǎn)，使用互信息對顏色相關(guān)圖特征進(jìn)行壓縮提取。本文將由顏色相關(guān)圖提取的顏色自相關(guān)特征和互信息特征結(jié)合使用作為新的圖像顏色特征——顏色自相關(guān)互信息特征（Color Autocorrelogram Mutual Information, CAMI），該特征不僅彌補(bǔ)了顏色自相關(guān)圖“顏色對”單一的缺陷，而且減小了特征矢量維

3、數(shù)，降低了計算復(fù)雜度和圖像檢索時間，提高了檢索精確度。
　　為了減小語義鴻溝并且進(jìn)一步壓縮特征矢量，我們使用支持向量機(jī)(SupportVector Machine，SVM)和模糊C均值(FuzzyC Means，F(xiàn)CM)方法分別對CAMI特征進(jìn)行語義分類。我們將SVM算法的決策矩陣和FCM算法的隸屬度矩陣作為圖像新的CAMI-SVM和CAMI-FCM特征。因?yàn)镾VM和FCM都是基于高層語義的機(jī)器學(xué)習(xí)算法，所以這種處理方式可以減小低

4、層特征與高層語義之間的鴻溝。我們將這兩種特征融合成新的圖像特征CAMI-SVM-FCM，該特征的特征矢量大小由圖像庫中定義的類別數(shù)確定，當(dāng)類別數(shù)目較少時可以大幅降低特征矢量維數(shù)，加快檢索時間。
　　本文最后提出了一種新的基于類別權(quán)重調(diào)整的相關(guān)反饋算法用于進(jìn)一步減小語義鴻溝。該算法對用戶反饋的相關(guān)和不相關(guān)圖像集的類別進(jìn)行統(tǒng)計，按數(shù)量多少對相應(yīng)類別分別賦予不同的獎勵或者懲罰系數(shù)。實(shí)驗(yàn)證明該算法不僅可以大幅度提升圖像檢索系統(tǒng)的檢索準(zhǔn)確率