最大間隔方法及其在圖像檢索中的應(yīng)用.pdf

1、隨著圖像獲取、傳輸、存儲(chǔ)等技術(shù)的進(jìn)步，各種數(shù)字圖像資源變得越來(lái)越豐富。為了對(duì)圖像資源進(jìn)行有效的利用，首先要求能夠快速準(zhǔn)確地從規(guī)模日益龐大的圖像數(shù)據(jù)庫(kù)中查找到需要的圖像。圖像檢索是一個(gè)綜合性的問(wèn)題，為建立一個(gè)成功的圖像檢索系統(tǒng)，需要首先解決許多相關(guān)的基本問(wèn)題，如圖像相似性的度量、圖像相關(guān)排序、圖像分類以及聚類等。 近年來(lái)，機(jī)器學(xué)習(xí)理論與算法的長(zhǎng)足發(fā)展為各種實(shí)際問(wèn)題的解決提供了有力的工具。在眾多的機(jī)器學(xué)習(xí)算法中，支持向量機(jī)模型因在理

2、論上具有堅(jiān)實(shí)的基礎(chǔ)并在實(shí)踐中表現(xiàn)出優(yōu)異的性能而受到廣泛的關(guān)注。本文在支持向量機(jī)模型和間隔最大化準(zhǔn)則的基礎(chǔ)上，提出了一系列最大間隔算法，對(duì)圖像檢索中相關(guān)的問(wèn)題展開了研究。 本論文首先研究了當(dāng)用局部特征表示圖像時(shí)，如何通過(guò)局部特征的匹配，度量圖像之間的相似度，并在此基礎(chǔ)上用支持向量機(jī)實(shí)現(xiàn)圖像分類。文中提出了一種新穎的雙空間金字塔匹配算法，能夠快速地計(jì)算兩個(gè)特征集合間的隱式匹配關(guān)系。該算法首先對(duì)特征空間和圖像空間分別進(jìn)行多分辨率的劃分

3、，然后將一幅圖像對(duì)應(yīng)的局部特征的集合映射成建立在雙空間中的多分辨率直方圖，最后通過(guò)直方圖的加權(quán)相交實(shí)現(xiàn)兩個(gè)特征集合的快速匹配。由于充分利用了局部特征在兩個(gè)空間中的分布特點(diǎn)，因此相比于只在單空間中進(jìn)行匹配的算法，雙空間金字塔匹配能夠更準(zhǔn)確地反映局部特征集合之間的關(guān)系。同時(shí)，基于雙空間金字塔匹配的相似性度量滿足半正定條件，因此能夠作為支持向量機(jī)的核函數(shù)，用于對(duì)圖像進(jìn)行分類。在ImageCLEF醫(yī)學(xué)圖像分類任務(wù)上，基于雙空間金字塔匹配的支持向

4、量機(jī)取得了比2005年公布的最佳參賽結(jié)果更小的分類錯(cuò)誤率。 本論文然后研究了在基于關(guān)鍵詞的圖像檢索中，如何有效地將圖像按照與 關(guān)鍵詞的相關(guān)程度的大小進(jìn)行排序。與傳統(tǒng)工作將檢索問(wèn)題建模成二分類問(wèn)題并優(yōu)化分類性能不同，本文將問(wèn)題建模成一個(gè)排序?qū)W習(xí)問(wèn)題，并直接優(yōu)化與排序性能相關(guān)的目標(biāo)函數(shù)。本文基于支持向量機(jī)模型和間隔最大化準(zhǔn)則提出了一種新穎的多示例排序?qū)W習(xí)框架。該框架采用基于區(qū)域的圖像表示，并利用一組具有優(yōu)先關(guān)系的圖像對(duì)學(xué)習(xí)圖

5、像排序模型。利用學(xué)到的排序模型，能夠計(jì)算新圖像的排序分?jǐn)?shù)，并按排序分?jǐn)?shù)的大小對(duì)圖像進(jìn)行排序。在這個(gè)框架下，基于對(duì)區(qū)域和圖像排序分?jǐn)?shù)關(guān)系的不同假設(shè)，本文分別提出了三種具體的多示例排序?qū)W習(xí)算法。對(duì)從Flickr上搜集的圖像進(jìn)行的實(shí)驗(yàn)表明，多示例排序?qū)W習(xí)算法能夠極大地提高圖像的排序質(zhì)量。這項(xiàng)工作是最早將排序?qū)W習(xí)與多示例學(xué)習(xí)結(jié)合進(jìn)行考慮的工作。 本論文還研究了基于支持向量機(jī)模型和間隔最大化原理的聚類算法，由此可以對(duì)圖像進(jìn)行聚類。這種最大

6、間隔聚類算法通過(guò)尋找使類間間隔最大的分類面，實(shí)現(xiàn)對(duì)數(shù)據(jù)集的劃分。與傳統(tǒng)的聚類算法相比，最大間隔聚類具有良好的推廣性能，因此在大規(guī)模的聚類問(wèn)題中能夠發(fā)揮重要的作用。本文在分析現(xiàn)有最大間隔聚類算法不足的基礎(chǔ)上，提出了基于成對(duì)約束的半監(jiān)督最大間隔聚類算法。該算法通過(guò)在最大間隔聚類的目標(biāo)函數(shù)中添加針對(duì)成對(duì)約束的損失項(xiàng)，使得求得的聚類分界面盡量滿足給定的約束條件，從而提高最大間隔聚類的性能。本文不僅在標(biāo)準(zhǔn)支持向量機(jī)模型的基礎(chǔ)上討論了兩類情況下的聚