大規(guī)模圖像集中的代表性圖像選取.pdf

1、代表性圖像選取是一種從網(wǎng)絡(luò)相冊(cè)集中選取最具代表性或最典型的圖像摘要技術(shù)。它可以根據(jù)用戶輸入的查詢關(guān)鍵詞,返回與其相關(guān)的包含多種語義主題的圖像集合,以供用戶快速瀏覽、獲取該查詢的相關(guān)信息。近年來,代表性圖像選取技術(shù)的應(yīng)用領(lǐng)域越來越廣泛,成為圖像處理和分析、模式識(shí)別、人工智能等眾多領(lǐng)域中的研究熱點(diǎn)。本文的主要工作和創(chuàng)新點(diǎn)如下:
　　1.概述了現(xiàn)有圖像摘要方法的各個(gè)步驟,包括圖像特征提取、基于特征的圖像聚類、圖像簇排名和選取代表性圖像,

2、并分析了現(xiàn)有方法的一些不足之處。
　　2.針對(duì)傳統(tǒng)圖像檢索系統(tǒng)通過關(guān)鍵字搜索圖像時(shí)缺乏語義主題多樣性的問題,提出了一種基于互近鄰一致性和AP聚類的代表性圖像選取算法。針對(duì)每個(gè)查詢選取與其相關(guān)的包含不同語義主題的圖像集。首先利用互近鄰一致性調(diào)整圖像間的相似度,然后利用AP聚類方法將圖像集分為若干簇,對(duì)這些圖像簇進(jìn)行排名選出質(zhì)量較高的簇,并從中選取中心圖像作為代表性圖像。實(shí)驗(yàn)表明該方法在查準(zhǔn)率和查全率方面的性能超過基于K-means的

3、方法和基于GreedyK-means的方法,選取的圖像能直觀有效地概括源圖像集的內(nèi)容,并且實(shí)現(xiàn)了語義上的多樣化。
　　3.針對(duì)代表性圖像選取過程中不同特征的權(quán)值分配問題,提出了一種基于粒子群優(yōu)化算法的自適應(yīng)權(quán)值分配方法。將各個(gè)特征的權(quán)值分配問題轉(zhuǎn)化為目標(biāo)函數(shù)的優(yōu)化問題,即將聚類結(jié)果的總質(zhì)量Q作為目標(biāo)函數(shù),并采用粒子群優(yōu)化算法對(duì)其進(jìn)行優(yōu)化,實(shí)現(xiàn)根據(jù)圖像集自身的特性來分配各個(gè)特征的權(quán)重,從而更加有效的表示相似度量。實(shí)驗(yàn)表明該方法性能超