基于SVM的語義圖像檢索技術的研究與實現(xiàn).pdf

1、隨著網(wǎng)絡的逐漸普及以及多媒體技術的發(fā)展，在科學技術、生產實際和日常生活中不斷地產生大量的圖像數(shù)據(jù)。如何從海量的圖像信息中快速、準確地檢索出用戶需要的信息，以便于圖像管理和應用，已成為人們關注的問題。 基于內容的圖像檢索技術(Content-Based Image Retrieval，CBIR)利用圖像的底層視覺特征(顏色，紋理，形狀等)代表圖像的內容，而由于這些視覺特征與人對圖像的理解之間存在很大的差異，因而CBIR的檢索結果并

2、不令人滿意，基于語義的圖像檢索(Semantic-Based Image Retrieval)成為圖像檢索發(fā)展的必然趨勢。 本文首先闡述了圖像檢索技術，介紹了支持向量機(Support Vector Machine，SVM)的基本原理和應用，然后提出了一種新的圖像注釋方法，并在此基礎上實現(xiàn)了基于語義的圖像檢索。 論文的主要研究成果有以下幾點： 1．實現(xiàn)了基于支持向量機的圖像分類。由于圖像數(shù)據(jù)庫中有多個語義類別，首

3、先為每一類圖像訓練一個二分類SVM，然后利用多類分類策略為圖像構建一個多類分類器，并用其對圖像進行分類，實驗結果顯示圖像分類的準確率較高。 2．提出了一種半自動圖像注釋的新方法，即在對圖像庫中的一部分圖像標注了關鍵詞之后，利用算法自動注釋圖像庫中剩余的圖像。具體過程是：利用最近鄰方法，結合圖像分類的結果，將關鍵詞從已注釋圖像傳播給待標注圖像。本文算法實現(xiàn)的圖像注釋準確率高，結果令人滿意。 3．論文最后實現(xiàn)了基于關鍵詞的語