面向圖像檢索的海量圖像自動(dòng)聚類方法研究.pdf

1、移動(dòng)互聯(lián)網(wǎng)的發(fā)展和多媒體技術(shù)的興起，讓圖像數(shù)據(jù)正呈爆炸式增長(zhǎng)。面對(duì)海量的圖像數(shù)據(jù)，如何便捷有效地對(duì)圖像庫(kù)進(jìn)行管理和檢索，并在圖像庫(kù)中發(fā)掘出有價(jià)值的潛藏信息，正成為一個(gè)亟需解決的問(wèn)題。而數(shù)據(jù)挖掘中的聚類分析技術(shù)和基于內(nèi)容的圖像檢索技術(shù)的興起和應(yīng)用，為這個(gè)問(wèn)題的解決帶來(lái)契機(jī)。聚類分析可以實(shí)現(xiàn)對(duì)無(wú)標(biāo)注樣本的分類，是一種無(wú)監(jiān)督的學(xué)習(xí)方法。而基于內(nèi)容的檢索脫離了原始的文本搜索方式，比起基于標(biāo)注的檢索更客觀和便捷。
　　為解決這個(gè)問(wèn)題，本文嘗

2、試提出使用聚類的方法完成對(duì)海量圖像庫(kù)的初步管理。通過(guò)對(duì)圖像庫(kù)進(jìn)行聚類操作實(shí)現(xiàn)類別挖掘和標(biāo)注，同時(shí)使用基于內(nèi)容的方式完成對(duì)圖像庫(kù)的檢索。在此基礎(chǔ)上，實(shí)現(xiàn)了一個(gè)圖像庫(kù)聚類和檢索平臺(tái)。并且針對(duì)傳統(tǒng)圖像特征和聚類算法的不足，提出了改進(jìn)的特征提取算法和聚類算法。主要研究工作和創(chuàng)新內(nèi)容為以下幾個(gè)方面:
　　(1)針對(duì)傳統(tǒng)圖像特征的不足提出改進(jìn)方法。提出結(jié)合空間信息的分塊顏色直方圖和分塊LBP特征;通過(guò)結(jié)合顏色信息提出Color-SIFT特征，

3、彌補(bǔ)了SIFT特征只有灰度信息的缺點(diǎn);提出綜合Dense SIFT和顏色信息的聯(lián)合特征，既有局部區(qū)域描述能力，同時(shí)保留了圖像的全局信息，實(shí)驗(yàn)結(jié)果表明性能比其他特征都好。
　　(2)以K均值算法為基礎(chǔ)提出Mini-Batch K均值，不僅提高了算法的穩(wěn)定性同時(shí)大大提升了算法的速度。將核函數(shù)引入譜聚類中提出基于高斯核的譜聚類算法，提升了譜聚類算法的性能。
　　(3)歸納并整理了相關(guān)圖像特征，包括全局特征及局部特征。顏色特征有顏色