圖象檢索中若干距離度量算法研究.pdf

1、高斯混合(GMs)函數(shù)表示圖象內(nèi)容是一種流行的方法，它比直方圖方法能夠更有效地描述圖象內(nèi)容，基于GMs的距離度量算法的研究已經(jīng)成為基于內(nèi)容圖象檢索的研究熱點(diǎn)。本文主要研究基于GMs模型的兩種距離度量算法，一種是最優(yōu)化方法，其代表算法是旅行商距離(EMD)，另一種是統(tǒng)計(jì)方法，其代表算法是漸進(jìn)似然估計(jì)(ALA)距離，并且分別對(duì)它們提出了相應(yīng)的改進(jìn)算法。本文的主要內(nèi)容如下： (1)Yossi Rubner提出了基于直方圖及EMD的圖象

2、檢索算法，由于直方圖不能很好地描述圖象的內(nèi)容。本文在他的基礎(chǔ)上提出使用高斯混合的期望最大(GMEM)算法進(jìn)行圖象描述，為EMD算法提供更恰當(dāng)?shù)母怕誓Ｐ?。?shí)驗(yàn)結(jié)果表明這種GMEM聚類(lèi)加上EMD距離度量的方法可以有效地提高檢索效率。 (2)統(tǒng)計(jì)方法在圖象檢索中具有檢索精度高的優(yōu)點(diǎn)，但其代價(jià)是計(jì)算量很大。為克服該缺點(diǎn)，Nuno Vasconcelos提出了ALA算法有效地減少了計(jì)算復(fù)雜度。然而這種距離度量方式會(huì)使高斯混合模型方差較大的

3、數(shù)據(jù)庫(kù)圖象產(chǎn)生誤判。為此，本文提出了改進(jìn)的ALA算法即IALA，即利用分層的方法來(lái)提高檢索精度。 (3)例圖混合成分的集中時(shí)，用IALA算法效果較好；反之，用EMD可以收到好的效果，這兩種算法是互補(bǔ)的。本文進(jìn)一步提出了測(cè)度選擇(MeasurementSelect(MS))算法，即根據(jù)例子的特征來(lái)選擇最好的距離度量算法。 (4)原始的EM算法的無(wú)法跳出局部最優(yōu)。本文提出了改進(jìn)的EM算法并將它應(yīng)用于基于內(nèi)容的圖象檢索中。本文