论文部分内容阅读
随着计算机科学技术的迅速发展以及互联网的普及应用,每天生活中都产生了大量的多媒体数据,这些数据大多数是以图片、视频等形式呈现的。面对如此庞大的且快速增长的多媒体数据,如何实现快速的检索并且提高检索的准确率,已成为多媒体检索领域中的重要课题。本文在前人工作的基础上,针对多媒体检索领域中的图像检索技术所面临的主要问题,进行了深入的研究。在本文中,我们首先给出了基于图像感兴区域的检索方法,并在此基础上提出了一种基于半监督相关反馈的检索方法。基于图像感兴区域的检索方法是一种基于内容的检索方法,是通过提取图像感兴区域的底层特征进行检索的;基于半监督相关反馈的图像检索方法是一种交互式的检索方法,即在初始检索结果的基础上,根据用户的相关判断,利用半监督学习中的协同训练的思想给出了本文的相关反馈算法,在反馈过程中充分利用未标记图像进行检索的方法。结合这两种方法,可以有效地提升图像检索的性能。本文主要的研究工作如下:1)对目前图像检索的国内外研究现状和关键技术进行了概述,主要包括图像底层特征(颜色特征、纹理特征和形状特征)的提取技术,相似性度量方法以及图像检索性能的评价方法。2)详细地研究了图像检索技术,提出了一种基于图像感兴区域的检索方法。该方法利用Harris角点检测器来检测图像的兴趣点,然后利用提取平面点集的凸包方法给出图像兴趣点的凸包,此时图像的感兴区域即是凸包所包含的区域,最后提取感兴区域的颜色特征和纹理特征作为特征向量进行检索。通过实验对比与分析,利用该方法明显地提升了检索的性能。3)研究了相关反馈技术,并且对机器学习中的半监督学习进行了研究,利用协同学习的思想给出了本文的算法思想以及算法描述,给出了基于半监督相关反馈的图像检索方法。在利用大量未标记图像的情况下,有效地提高了图像检的准确率,满足了用户的需要。本文实验是在Windows Xp环境下,利用Matlab7.0软件设计图形用户界面,对Corle图像库中10类共计1000幅图像进行检索。实验结果表明,本文所提出的基于图像感兴区域检索方法和基于半监督相关反馈的检索方法,具有良好的检索性能。