首页 | 本学科首页   官方微博 | 高级检索  
     检索      

SVM用于基于内容的自然图像分类和检索
引用本文:付岩,王耀威,王伟强,高文.SVM用于基于内容的自然图像分类和检索[J].计算机学报,2003,26(10):1261-1265.
作者姓名:付岩  王耀威  王伟强  高文
作者单位:1. 中国科学院计算技术研究所,北京,100080
2. 中国科学院研究生院,北京,100039
3. 中国科学院计算技术研究所,北京,100080;中国科学院研究生院,北京,100039
基金项目:到国家“八六三”高技术研究发展计划项目“实时图像检索与过滤关键技术研究”课题 ( 2 0 0 1AA14 2 14 0 ),国家网络与信息安全中心“网络视频流内容检测技术研究及系统”课题资助
摘    要: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.

关 键 词:图像检索  自然图像分类  SVM  支持向量机  图像分类  机器学习  图像处理
修稿时间:2002年4月8日

Content-Based Natural Image Classification and Retrieval Using SVM
FU Yan WANG Yao-Wei WANG Wei-Qiang GAO Wen ,.Content-Based Natural Image Classification and Retrieval Using SVM[J].Chinese Journal of Computers,2003,26(10):1261-1265.
Authors:FU Yan WANG Yao-Wei WANG Wei-Qiang GAO Wen  
Institution:FU Yan 1) WANG Yao-Wei 2) WANG Wei-Qiang 1) GAO Wen 1),2) 1)
Abstract:In the traditional approach of content-based image retrieval, the wide image domain results in the wide semantic gap between the low-level features and the high-level concepts. We propose to narrow the image domain and use machine learning methods to automatically construct models for image classes, thus providing users with a conceptualized way to image query. In this paper, support vector machines are trained for natural image classification. The resulting image class models are incorporated into image retrieval system, so that the users can search natural images by classes. The experimental results are promising.
Keywords:support vector machines  content-based image retrieval  image classification  feature invariance
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号