论文部分内容阅读
图像作为一种用来描述和存储现实世界信息的媒体,往往不同于传统意义上的字符数字,仅用几个简单的关键字来描述图像数据中所包含的大量的复杂的语义信息、视觉特性、时间和空间信息线索是无法做到,而且也过于简单无法表达图像的真实意义。本文首先介绍了图像检索系统中常见的特征提取方法和算法性能评价指标。而后在这些基础上,对基于随机决策树的图像检索模型算法进行了研究,通过对图片进行随机采样,构建决策树,经过局部哈希算法对特征向量降维和索引化,利用计算子窗口之间的相似度来衡量图片之间的相似程度,并通过仿真实验对每个参数对检索结果进行了分析,发现随机决策树之间,子窗口之间对检索系统造成的影响。而后本文又针对多个特征混合检索模型进行了研究,主要针对多个特征同时使用可能造成的维度灾难进行了研究。在多个特征混合检索模型上,在基于随机树的基础上添加利用SIFT特征进行混合检索。在混合使用的时候,采用了模拟相机抖动来去除不稳定的特征点,并利用主成分分析法(PCA)对特征向量进行进一步的降维,以便达到满足检索时的需求。在仿真实验中,对不同特征所占的比重对系统检索结果的影响进行了比较。仿真结果表明,利用SIFT特征检测能满足较高精度的检索,而采用基于随机决策树的方法能够满足较好的查全上的需求。