基于圖理論的圖像搜索結(jié)果重排序的研究.pdf

1、隨著互聯(lián)網(wǎng)搜索引擎日趨多元化，用戶已經(jīng)習慣于在互聯(lián)網(wǎng)上借助各類搜索引擎搜索各種信息，包括文本、圖像和視頻等。傳統(tǒng)的基于文本的圖像檢索系統(tǒng)，大都依賴關(guān)鍵字搜索。由于文本信息的描述內(nèi)容與圖像本身不匹配和圖像所包含的大量噪聲，導致搜索結(jié)果詞不達意。現(xiàn)有主流的互聯(lián)網(wǎng)搜索引擎，如Google、Bing、百度等進行相關(guān)的圖像搜索時，主要利用圖像周遭的相關(guān)文本信息來對圖像列表進行搜索和排序，缺乏考慮圖像間內(nèi)在的聯(lián)系和圖像自身的內(nèi)容，導致基于文本的圖像

2、搜索結(jié)果不盡如人意。如何將符合用戶所需的圖像排在搜索結(jié)果中靠前的位置，提高圖像相關(guān)搜索結(jié)果的質(zhì)量，已經(jīng)得到了眾多研究者的關(guān)注。
　　圖像重排序是指在基于初始搜索結(jié)果的前提下，挖掘圖像間內(nèi)在的聯(lián)系和圖像自身的內(nèi)容，對初始排序結(jié)果重新進行排序，將符合用戶所需的圖像排在靠前的位置。目前，根據(jù)使用框架的不同，圖像重排序方法大體可以分為四類:基于線性組合的重排序、基于聚類的重排序、基于分類的重排序和基于圖理論的重排序?，F(xiàn)有基于圖理論的重排序

3、方法一般對初始排序結(jié)果的得分采用偽相關(guān)方法，默認靠前的圖像得分高，但事實并非如此。由于搜索引擎返回的初始排序的結(jié)果列表是基于文本檢索所得，其結(jié)果列表精度不高，可能會導致靠后的圖像更符合用戶所需。
　　基于上述問題，本文提出了兩種基于圖理論的多模態(tài)圖像重排序算法，主要工作和創(chuàng)新點如下:
　　1.為了提高圖像檢索中的重排序效果，提出了一種基于圖理論的多模態(tài)隨機游走重排序算法。現(xiàn)有的重排序算法大都根據(jù)檢索返回的圖像順序來設(shè)置圖像列

4、表得分序列初值，與此不同的是，本文所提算法將多模態(tài)概念融合應用于隨機游走算法中，由此避免了單一模態(tài)獲取圖像內(nèi)容所造成的片面性，進而利用多模態(tài)隨機游走方法對返回圖像列表的得分序列進行初始化，然后利用多模態(tài)重排序算法最優(yōu)化目標函數(shù)，并對相關(guān)參數(shù)和得分列表進行迭代更新，從而獲得最終重排序后的圖像序列。實驗顯示了本文所提出的基于圖理論的多模態(tài)隨機游走重排序算法具有良好的重排序效果。
　　2.為更加真實地反映圖像重排序的意圖，并使多模態(tài)在重

5、排序算法中更加有效，提出了一種基于圖理論的多模態(tài)相似性積分重排序算法。該算法首先將返回的圖像集生成六種模態(tài)，并將多模態(tài)概念應用到相似性積分算法中。進而將相似性積分算法返回的圖像排序得分列表作為基于圖的多模態(tài)重排序算法的輸入。在得到排序結(jié)果后，將利用標準拉普拉斯正則化生成重排序算法的目標函數(shù)最小化。然后對相關(guān)參數(shù)和得分列表進行迭代更新，最終獲得重排序后的圖像序列。實驗表明文中所提出的重排序算法的排序效果良好，驗證了基于圖理論的多模態(tài)相似性