基于內容的圖像檢索相關技術的研究.pdf

1、隨著多媒體的推廣和應用，以及信息和網絡技術的發(fā)展，產生了大量的各式各樣的視覺內容。圖像是這些視覺內容中的一個重要的組成部分。它能夠直接形象的表達信息。但如何從海量的圖像中檢索出自己感興趣的內容成為當前人們面臨的一個重要問題。因為傳統(tǒng)的基于文本的檢索已不能滿足人們的需求?；趦热莸膱D像檢索正是解決此類問題的一個行之有效的方法。而本文所作的研究正是圍繞基于內容的圖像檢索相關方法的探討和實驗。通過學習器學習訓練樣本的特性。在測試階段用學習器對

2、待測數據進行分類。
　　 在基于內容的圖像檢索中，圖像的低層特征與高層語義之間一直存在“語義鴻溝”問題，這是一個比較困難的問題。用支持向量機解決語義關聯問題是目前研究的熱點，支持向量機被認為是統(tǒng)計學理論中一種最具優(yōu)勢的模式識別方法。用支持向量機進行圖像分類具有十分優(yōu)秀的分類性能。然而傳統(tǒng)的SVM是一種有監(jiān)督的學習方法。利用已標記的樣本訓練分類器，對未知樣本進行分類。人們更多的想有效利用大量的未標樣本。半監(jiān)督學習算法的直推向量機(

3、TSVM)正是基于以上的想法設計的。并且本文將主動學習隔入其中，選擇對于學習過程中最為有用的樣本進行標注，這些樣本能夠最大程度減少分類誤差。
　　 本文所作的主要工作如下：1.對基于內容的圖像檢索進行概述。研究了圖像的各種特征以及提取方法。2.關于SVM解決多類分類問題，將“一對多”方法進行改進。提出適合本文實驗的多類分類方法。3.運用SVM解決圖像中低層特征與高層語義之間的語義關聯問題，如何選取核函數，來提高語義關聯的性能。并