一种基于内容图像检索的新的相关反馈方法

基于内容的图像检索技术是信息多媒技术发展中迫切需要研究和发展的前沿课题.由于图像底层特征和高层语义之间存在着巨大的语义鸿沟,使得基于内容的图像检索很难取得令人满意的效果.作为一种有效的解决方法,相关反馈已应用在很多图像检索系统中,提高了检索精确性.在此基础上提出了一种新的相关反馈方法,把检索向量转移和权值调整同时应用于基于内容的图像检索系统中.实验结果证明该方法提高了检索的收敛速度和检索的精确性.     

基于语义的中药图像检索技术的研究

通过使用中药图像的语义模型、图像语义的提取和描述方法,分析了中药图像检索研究中存在的问题及一些现有的解决方法.针对中药图像进行了语义分类和语义检索,并且对基于语义的中药图像检索系统的设计和实现进行了研究.     

基于流形学习的图像检索算法研究

流形学习以发现非线性高维数据的本质维数为目标,使其更适合数据分析和高维数据的降维。图像检索中“语义鸿沟”问题指的是高维数据空间与低维的语义子空间之间的鸿沟,虽然利用相关反馈机制可以缩小这种鸿沟提高准确率,但是因为反馈图像数目较少,图像特征维数相对较高,会容易产生维数灾难问题。流形学习的引入为解决这一难题带来了新的希望,因为通过流形学习的方法学习高维图像特征数据的本征维数用于图像检索,大大提高了检索性能。基于流形学习的图像检索算法都是半监督的流形学习,充分利用了反馈信息,学习查询图像的语义子空间,有效的实现了高维数据的降维。     

一种基于视觉特征语义描述的图像分类检索方法

基于内容的图像检索技术克服了文本检索方式主观片面的缺陷,客观地描述了图像的本质特征,然而却丢掉了文本方式下对图像的语义描述,导致检索准确率降低.借鉴数据挖掘技术中的图像分类方法,提出了结合视觉特征与图像语义描述以提高检索系统性能的思想,主要进行了图像显著特征选择、图像分类算法特征约简以及检索系统优化设计3方面工作,以提高检索系统的人机界面和交互性能.     

文化遗产图像检索系统实现及关键技术研究

为了满足人们查询文化遗产图像的需求,本文设计并实现了北京文化遗产图像检索系统(CHIR)．系统充分地考虑了文化遗产图像的特点,如分类特征明显、颜色分块特征明显等．对核心的分块颜色直方图算法进行了改进,并将基于关键字、类别、颜色直方图、改进分块颜色直方图及形状特征的检索方法相结合．系统不仅具有很好的检索效果,而且具有友好的人机交互界面、快速高效的检索方式,能够很方便地浏览检索结果．文中给出了整个检索系统的架构、实现方法和系统实现的功能．     

面向Web图像检索的语义关联多模态哈希方法

随着计算机网络和多媒体技术的迅猛发展,针对大规模多模态图像检索的需求变得越来越广泛。如何有效解决多模态性,语义鸿沟和大规模性已经成为Web图像检索中的三大重要挑战。最近提出的语义标注和哈希技术可以分别用来解决语义鸿沟和大规模性,但它们无法涵盖目前存在的所有问题。在本文中,我们提出了语义关联多模态哈希用于多模态图像检索,它能够综合语义学习和哈希技术的优点。首先,通过基于图学习的半监督学习来增强训练样本的语义。然后构造所有样本的语义关联并将其保存在哈希函数中。学习出的哈希函数能够将所有模态均映射到统一的哈希空间中,从而支持多模态检索。在两个真实图像数据集上的实验结果证明了所提出方法的检索效果和效率。此外,实验结果也证明学习语义关联能够提高检索效果。     

基于关联规则的乳腺肿块多模检索

乳腺影像案例不仅具有图像的底层特征,同时也有图像的语义特征。为了实现乳腺影像的高效检索,提高计算机辅助诊断的确信度,提出了一种基于关联规则的多模检索方法。首先,采用基于关联规则的特征选择算法选择出与影像语义相关的底层特征,实现特征降维,利用Apriori算法挖掘被选择的特征与语义特征之间的关联规则。然后,利用关联分类引擎算法根据得到的关联规则构建关联分类模型,实现由底层特征获知视觉语义特征的目的。最后,将关联分类模型得到的语义特征作为输入语义,与图像的底层特征相结合,进行图像相似性度量,实现多模检索。通过查准率和查全率以及相关排序平均值等进行了实验对比,实验结果表明,提出的多模检索方法有效的提高了图像的检索精度并且能够由图像的底层特征获知图像的视觉语义特征。该方法缩减了底层特征和视觉语义特征之间的语义鸿沟,提高了图像的检索性能,能够为医生提供更有意义的决策支持。     

涉及情感与语义的多特征图像检索

借助用户情感模型、因子分析、情感计算等方法,收集和分析用户评价图像的情感数据,建立情感空间.对图像数据库的图片,采用图像的多种底层特征提取的方法来增强对图像感性特征的过滤和约束.基于SVM的情感注释建立图像的低层特征空间到用户的高层情感空间的联系,记忆用户的情感,自动注释用户未曾评价过的图像,实现了与图像的情感语义相关的多特征检索系统.实验表明,涉及情感的多特征图像检索结果,其图像的内容特征与用户情感检索意图在很大程度上是匹配的,避免了单一特征不顾及用户情感的图像检索无法过滤不期望的结果出现的缺点.     

基于构图分析的古代壁画相关度评价方法

由于目前的图像检索技术没有考虑壁画的构图学特征,缺乏对复杂语义的处理能力,难以满足古代壁画研究工作对检索全面性和准确性的要求.为提高古代壁画图像语义检索的质量,提出基于构图分析的相关度模型,通过引入基于绘画构图学的理论和分析方法,从壁画内容的布局、主题和语义三方面用量化方法描述检索语义与壁画内容的相关度,较好地解决了用户的真实检索意图与壁画内容间的“语义鸿沟”问题.该相关度评价模型可嵌入基于语义查询扩展的框架中,以提高Top N结果的准确率,同时维持了较高的查全率.敦煌壁画资料检索的实际应用表明：以反映前n个结果准确率的R-Precision为评测指标,基于构图分析的相关度评价方法可比未采用相关度评价的基线方法平均高出36%.     

Android系统上基于图像颜色特征的检索研究

对Android移动平台上基于内容的图像检索技术进行了初步的研究,实现了基于HSV颜色特征的图像检索系统。经测试,系统运行稳定,检索速度快,准确率较高,对移动终端上图像检索技术的应用与推广起到了促进作用。     

一种新的颜色空间量化方案

详细介绍样本颜色的采集方法、采集软件的设计以及数据的处理方法;提出了基于BP神经网络的样本颜色处理方法,介绍其在图像特征的抽取、区域分割的应用。     

一种新的颜色空间量化方案

详细介绍样本颜色的采集方法、采集软件的设计以及数据的处理方法；提出了基于BP神经网络的样本颜色处理方法，介绍其在图像特征的抽取、区域分割的应用。     

三维模型检索中的语义与形状异构特征融合

三维模型检索是多媒体信息检索领域的重要组成部分,由于"语义鸿沟"的存在使得当前基于内容的检索结果通常不十分令人满意。考虑到解决"语义鸿沟"的关键是将三维模型的底层形状特征与高层语义特征进行有效融合,为此提出一种三维模型的语义与形状异构特征融合方法,该方法将三维模型在基于内容的检索过程中用户反馈信息形成的语义关联作为模型的语义表达,并通过子空间学习方法将这种语义表达信息与模型的底层特征进行融合,最后将融合后的新特征应用于三维模型检索中。在Princeton shape benchmark上的测试表明,该方法的检索结果明显好于单纯形状特征的检索结果。     

图像检索中基于二次距离的相关反馈

在基于内容的图像检索方法中,图像的低级视觉特征和高级语义之间存在着较大的差异,导致检索性能不佳.为了提高检索性能,将相关反馈技术引入图像检索.利用支持向量机在相关反馈的过程中为图像建立语义模型,在建立语义信息后求出图像间的二次距离,增加图像间的语义区分能力,使被检索出的图像在语义上更加接近示例图像.试验表明,该方法使查全率和查准率得到较大提高.     

基于主独立内容特征的人脸图像检索方法

提出一种基于独立分量分析的内容特征,并用于人脸图像检索,得到一种基于内容的图像检索新方案.该方案首先在降维空间提取出基于高阶统计特性的主独立内容特征(PICF),应用提取的PICF特征进行有效的人脸图像描述.为确保计算有效性和检索正确率,运用可消除独立特征顺序不确定性的基于PICF的检索方法,并在具备不同亮度、尺度、姿势和图像描述变化的ORL脸谱数据库中完成了人脸图像检索实验.计算机仿真结果验证了所提出方法的有效性.最佳检索率为100%,平均查准率达95.14％/千次.     

基于多模态子空间学习的语义标签生成方法

基于已有的视觉空间和文本空间上标签相关性建模方法,提出一种多模态子空间学习的语义标签生成方法。通过建立视觉特征相似图,以非线性方式重构“图像-标签”相关性,进而将图像的视觉模态表示和标签的文本模态表示统一到多模态子空间中,并保证空间变换前后具备结构保持。在该空间中,标签的文本模态与图像的视觉内容模态信息彼此互补,语义相关的图像和标签映射到空间中相近的样本点,进而将语义标签生成问题转换为子空间内图像的近邻标签搜索问题。结果表明,该方法在FLICKR-25K数据集上,性能达到36.88%,在NUS-WIDE数据集上,性能达到44.17%,多模态子空间学习的语义标签生成方法可以大幅度提升标签生成的准确性。     

基于兴趣区域特征融合的半监督图像检索算法

提出一种融合底层特征、基于兴趣区域的半监督学习图像检索方法,实现了图像内容的语义关联。该方法首先划分图像兴趣区域,提取图像的综合底层特征,然后将其作为训练数据,对图像类别进行半监督学习,建立图像和类别的语义映射,最后分别采用二次式距离和改进的Canberra距离对图像底层特征进行度量,特征空间中图像类的区域中心用正反馈进行迭代更新。通过实验对比,该图像检索算法具有较高的准确率,优于传统的基于内容的图像检索算法。     

基于联合媒体相关模型的图像自动标注改进算法

为了充分利用标注词间的相关性,提高图像标注精度,解决图像检索中的语义鸿沟问题,提出了一种基于联合媒体相关模型的图像自动标注改进算法.该算法将标注词和图像的联合概率求解过程转换成在标注词条件下图像出现的概率和标注词的先验概率的求解过程,减少了高频候选标注词对概率统计模型的影响,同时引入语义相似语言模型,利用上下文关联词矢量表示每个标注词,通过估计1幅图像的1组相关性最大的标注词来实现对图像的标注.与基于联合媒体相关图像自动标注算法相比,在标注过程中,本算法不再假设模型中各标注词之间是相互独立的,充分考虑标注词上下文的相关性信息,提高了图像标注精度;对标准的Corel图像集实验结果表明,基于联合媒体相关模型的图像自动标注改进算法是有效的.