圖像挖掘在圖像檢索中的應用.pdf

1、近年來，隨著多媒體技術和計算機網絡的飛速發(fā)展，全世界的數字圖像的容量正以驚人的速度增長。無論是軍用還是民用設備，每天都會產生容量相當于數千兆字節(jié)的圖像。這些圖像中包含了現(xiàn)實世界的各種實體，實體所組成的圖像集合則包含著這些實體的變化、相互關系以及隱藏在其中的各種模式、演化規(guī)律等信息。但是，對于人來說，處理包含數以萬計的圖像數據集，并從中發(fā)現(xiàn)知識，是非常困難，甚至是不可能的。
　　 數據挖掘、信息檢索和多媒體數據庫及其相關領域的發(fā)展

2、使得對圖像的管理和分析以及從中發(fā)現(xiàn)對人們有用的信息成為可能，同時也促生了圖像挖掘這一研究領域。圖像挖掘指的是在圖像數據庫中發(fā)現(xiàn)隱含的、未知而且潛在有用的知識、圖像數據關系的過程。由于這些隱含的信息和知識是人們直觀所不能得到的，它有望使很多相關領域發(fā)展到一個新的階段。本文的主要研究目的是探索圖像挖掘技術在圖像檢索領域的應用方法。
　　 圖像檢索技術大體上可以分為基于樣例的圖像檢索和基于文字的圖像檢索兩類?；跇永膱D象檢索可分為圖

3、像類別檢索和近重復圖像檢索兩類；而基于文字的圖象檢索則可分為基于伴生文字和基于圖像自動標注兩類。本文對圖像挖掘技術進行了深入研究，主要工作和創(chuàng)新之處歸納為以下幾點：
　　 1.本文的第二章首先分析了基于Bag-of-Words模型的近重復檢索中存在的主要問題，即視覺多義詞和同義詞現(xiàn)象，提出用關聯(lián)規(guī)則挖掘算法挖掘視覺詞組以消除視覺多義詞和同義詞現(xiàn)象的方法。本章使用以特征為中心的事務庫構造方法，并用傳統(tǒng)的Apriori算法在事務庫挖

4、掘關聯(lián)視覺詞匯，構造視覺詞組。本章同時比較了視覺詞組的多種使用方法，討論了視覺詞組在近重復圖像檢索中的意義。在標準數據庫上的實驗證明了該方法的有效性。
　　 2.本文的第三章研究了圖像挖掘技術在基于伴生文字的圖象檢索中的應用。在基于文字的圖像檢索中，利用伴生文字進行圖像檢索是當今商業(yè)搜索引擎最常用的做法。但是由于伴生信息往往含有較多的噪聲圖像檢索結果并不能很好地滿足用戶的需求。本文的第三章設計一個收集用戶知識的網絡游戲，并通過位

5、置關聯(lián)規(guī)則挖掘算法分析用戶的游戲日志，獲取的知識用以改善LiveSearch上的地理相關圖像檢索結果。大規(guī)模的用戶調查證實了該方法可以較好地改善基于伴生文字的圖像檢索。
　　 3.本文的第四章提出一種用概念挖掘實現(xiàn)風格化的圖象自動標注的方法。自動圖像標注是指通過機器學習的手段，系統(tǒng)自動為圖像生成與內容相關的標注詞的過程。該領域中的關鍵問題是底層特征與高層語義之間的語義鴻溝問題。本章提出，利用概念挖掘，發(fā)現(xiàn)圖像中包含的概念，以及不