SVM用于基于内容的自然图像分类和检索

在传统的基于内容图像检索的方法中，由于图像的领域较宽，图像的低级视觉特征和高级概念之间存在着较大的语义间隔，导致检索效果不佳．该文认为更有现实意义的做法是，缩窄图像的领域以减小低级特征和高级概念间的语义间隔，并利用机器学习方法自动建立图像类的模型，从而提供用户概念化的图像查询方式．该文以自然图像领域为例，使用支持向量机(SVM)学习自然图像的类别，学习到的模型用于自然图像分类和检索．实验结果表明作者的方法是可行的．     

一种新的基于SVM的相关反馈图像检索算法

提出了一种新的基于支持向量机(SVM)的相关反馈图像检索算法。实验结果表明,该算法在一定程度上解决了基于SVM的相关反馈图像检索中存在的样本不足的困难,提高了系统的检索性能。     

基于本体的图像检索

提出一种基于本体的图像检索方法,该方法首先采用改进的K均值无监督分割方法将图像分割成区域,然后提取每个区域的颜色、形状、位置、纹理等低层描述特征,应用这些特征定义一个简单的对象本体。为了提高图像检索的准确度,最后采用支持向量机（SVM）的相关反馈算法。实验结果表明,提出的方法不仅可以提高检索效率,而且对于缩小低层视觉特征和高层语义特征之间的“语义鸿沟”具有很大的意义。     

一种基于SVM的相关反馈图像检索算法

相关反馈技术是近年来图像检索中的研究热点,以MPEG-7的边缘直方图作为图像特征,以支持向蕈机(SvM)为分类器,提出一种新的相关反馈算法.在每次反馈中对用户标记的相关样本进行学习,用历次返回的结果更新训练样本集,建立SVM分类器模型,并根据模型进行检索.还对不同核函数的SVM进行了对比,得出RBF核函数的SVM有较高的检索精度.使用由10000幅图像组成的图像库进行实验,结果表明,算法可有效地检索出更多的相关图像,并且在有限训练样本情况下具有良好的泛化能力.     

一种基于语义的图像数据库分类系统

实现了一种分等级的图像数据库自动语义分类系统，其中主要涉及白天、夜晚、日出／日落、室内、室外、建筑物以及风景等几个典型的语义信息。通过对图像的信息以及现有底层特征的分析，针对各级分类提取了一些判别能力好的特征。采用支持向量机(SVM)作为分类器；同时为了提高分类准确率，将支持向量机的输出改为概率形式，引入拒绝机制来拒绝一些置信度较低的样本。将Coogle检索出来的图像作为系统的测试样本取得了很好的分类结果，实验表明本系统可以对Google检索系统的结果进行一定的改进。     

一种基于区域综合特征的图像检索方法

提出一种基于目标区域的图像检索方法,首先采用颜色聚类的分割方法将图像分割成不同的区域,提取每个区域的颜色、位置、形状等低层特征,然后提出一种相似度计算方法实现图像的相似性度量。为了提高图像检索的准确度,最后采用支持向量机（SVM）的相关反馈算法。实验结果表明,基于目标区域的图像检索效果比基于全局图像特征的检索效果有较好的改善。     

一种新的半自动图像注释方法

手工注释图像是一项费时费力的工作,论文利用SVM,实现了半自动图像注释。首先将图像库分为两部分,手工标注训练图像库中的图像,剩余的图像作为测试图像;然后用SVM对图像进行分类,并将输出结果概率化;最后应用K—NN决策规则,为待注释图像获取关键词。实验结果显示,该方法是有效的。     

一种基于支持向量机的图像检索相关反馈改进算法

相关反馈技术是近年来基于内容的图像检索中较为重要的研究方法．基于支持向量机的相关反馈算法能够在有限的反馈次数内检索出更多的相关图像,取得了较好的效果．本文采用搬运土距离对传统的基于支持向量机的相关反馈算法进行了改进．实验结果表明．改进后的算法能够从一定程度上解决原有算法的在第一次反馈时存在的不稳定问题,提高了检索的准确率．     

一种基于SVM的相关反馈图像检索算法

相关反馈技术是近年来图像检索中的研究热点,本文以MPEG-7的边缘直方图作为图像特征,以支持向量机（SVM）为分类器,提出一种新的相关反馈算法。在每次反馈中对用户标记的相关样本进行学习,用历次返回的结果更新训练样本集,建立SVM分类器模型,并根据模型进行检索。本文还对不同核函数的SVM进行了对比,得出RBF核函数的SVM有较高的检索精度。使用由10000幅图像组成的图像库进行实验,结果表明,该算法可有效地检索出更多的相关图像,并且在有限训练样本情况下具有良好的泛化能力。     

一种基于本体的图像检索方法

提出一种基于本体的图像检索方法。该方法结合特定领域专家知识和对象例图,采用视觉对象本体来描述图像内特定对象的视觉特征,从而构建该领域包含视觉描述的知识库。在检索过程中,利用知识库内的对象的视觉本体描述和目标图像库内的图像低层特征相匹配执行图像检索任务,从而实现在高层次语义上的图像检索。实验结果表明了该方法的有效性和可行性,并在一定程度上缩小了视觉低层特征同图像高层语义的鸿沟。     

基于本体的图像检索研究

有效的图像检索系统必须充分利用图像的语义信息.本文在分析传统图像检索的基础上提出了基于本体的图像检索.并对其进行了详细的阐述和论证.基于本体的图像检索的提出为实现图像检索的智能化、语义化提供了良好的技术支持.     

一种基于本体语义的信息检索模型

对基于向量空间模型的检索方法进行改进,提出基于本体语义的信息检索模型。将WordNet词典作为参照本体来计算概念之间的语义相似度,依据查询中标引项之间的相似度,对查询向量中的标引项进行权值调整,并参照Word-Net本体对标引项进行同义和上下位扩展,在此基础上定义查询与文档间的相似度。与传统的基于词形的信息检索方法相比,该方法可以提高语义层面上的检索精度。     

基于范畴论的本体集成描述

针对语义Web中的本体异构问题,提出一种基于范畴论的本体集成描述方法。与集合论相比,范畴论具有更高的抽象性和更强、更直观的表达力,是本体集成形式化嗟理想工具。把本体结构作为对象,范畴论中的“态射”可描述本体映射,“外推”可描述本体合并,运用图例进行说睨并给出本体合并算法。     

基于领域本体的智能检索模型

在传统检索模型的基础上,结合本体概念,提出一种基于领域本体的检索模型。该模型利用本体中语义概念关系及语义扩展机制对查询关键词进行概念映射及扩展,通过计算文档相似度返回检索结果,提高检索的查准率和查全率。     

基于内容的图像检索技术研究

分析了基于内容的图像检索的关键技术以及各个阶段的研究特点,重点分析了基于颜色和基于形状的图像检索技术．指出了目前研究中存在的主要问题并提出了今后的研究方向。     

基于内容的视频检索技术

基于内容的视频检索系统是将视频结构化并依赖视频数据中的视觉特征以及时空特征进行相似度衡量的系统.讨论目前国内外基于内容视频检索领域的研究现状和发展趋势,并研究对基于内容的视频检索的关键技术和方法.     

基于内容的图像检索系统

文章介绍了基于内容的图像检索技术及其优势，并举了几个例子。     

基于内容的图象检索系统

分析了传统的图象检索方法的困难,比较了基于内容的图象检索系统所具有的优点、系统结构及一般的处理方法。着重探讨了视觉特征的提取及表示、图象检索的性能优化方法及现有图象检索系统。最后,对基于内容的图象检索提出了一些值得进一步研究的问题。     

基于内容的图像检索系统

分别介绍了颜色特征的描述方法和相似度匹配算法,并分析了基于颜色的图像检索的局限性,给出了相应的解决办法。