利用點(diǎn)擊日志提升圖像檢索.pdf

1、伴隨著數(shù)字媒體技術(shù)的迅猛發(fā)展，加之各類社交平臺的盛行，數(shù)字圖像的種類和數(shù)量呈爆炸式增長?；趦?nèi)容的圖像檢索(Content-Based Image Retrieval，CBIR)作為一種能夠從海量圖像中快速有效地檢索出用戶感興趣內(nèi)容的重要手段，備受學(xué)術(shù)界和工業(yè)界廣泛關(guān)注。然而，圖像的高層語義與其底層的視覺內(nèi)容之間存在的語義鴻溝，使得CBIR很難達(dá)到實(shí)用化的要求。為此，研究人員提出了交互式檢索方法——相關(guān)反饋機(jī)制，旨在將用戶對圖像視覺內(nèi)容

2、的主觀感知加入檢索過程中，使得檢索結(jié)果漸進(jìn)式收斂至其真實(shí)查詢意圖，以期縮小語義鴻溝。但是，用戶通常不愿意花費(fèi)時間向檢索系統(tǒng)提供充足的（顯式）反饋信息，這種交互式檢索方法可行性并不高。圖像數(shù)據(jù)庫的點(diǎn)擊日志中包含大量的用戶對圖像的（潛在）評價信息，作為相關(guān)反饋的替代品，近年來逐漸成為緩解語義鴻溝問題的主流學(xué)術(shù)思路。本文利用用戶點(diǎn)擊日志對圖像檢索系統(tǒng)中的兩個關(guān)鍵環(huán)節(jié)（視覺特征描述、相似性排序）進(jìn)行了有效改進(jìn)。所取得的創(chuàng)新性研究成果可概括如下：

3、
　　(1)針對互聯(lián)網(wǎng)圖像往往具有復(fù)雜背景信息，而現(xiàn)有主流視覺特征描述方法（如視覺詞袋模型）難以對其進(jìn)行準(zhǔn)確表達(dá)和有效檢索等技術(shù)問題，提出一種基于同興趣近鄰?fù)镀钡囊曈X特征提煉算法，該方法包括:針對待分析圖像，首先根據(jù)查詢?nèi)罩咎卣?，計算其同興趣近鄰圖像;然后根據(jù)同興趣近鄰圖像中視覺單詞的分布情況，對待分析圖像的每個視覺單詞進(jìn)行投票;最后從待分析圖像的視覺詞袋中刪除那些得票數(shù)過低和過高的視覺單詞，以達(dá)到特征提煉的目的。實(shí)驗(yàn)結(jié)果表明，通

4、過同興趣近鄰?fù)镀蓖癸@了圖像中那些用戶感興趣的視覺內(nèi)容，增強(qiáng)了視覺特征的區(qū)分度并改善了圖像檢索質(zhì)量。
　　(2)針對圖像檢索系統(tǒng)中有標(biāo)記樣本難以獲取，進(jìn)而影響相似性學(xué)習(xí)算法泛化性能不佳的現(xiàn)狀，提出一種基于日志填充的改進(jìn)圖排序(CGVR)方案，該方法主要包括兩個部分。首先借助協(xié)同過濾(Collaborative Filtering)技術(shù)，提出一種點(diǎn)擊日志填充方法(CCV)，以緩解點(diǎn)擊日志稀疏性問題;然后基于經(jīng)典流形排序(Manifol