基于内容的图像检索中相关反馈算法综述

1 引言从70年代开始,人们就进行图像检索技术的研究,那时候主要工作是对图像进行人工标注,然后应用文本检索技术实现对标注图像的检索。然而图像内容是复杂多样的,不同人对图像的理解不完全一致,一般难用准确的词汇描述图像内容;另外,对大量图像做标注也是一项费时费力的工作,这些因素导致基于文本标注的图像检索方法在实际应用中很难达到预期效果。进入90年代,全球网络通讯技术和光盘等大容量信息存储技术迅速发展,图像、视频和语音等多媒体信息的数据量急剧增加,如何从这些海量的多媒体信息中寻找感兴趣的内容已成为目前急需解决的、有挑战性的难题。近几年来,研究人员企图用基于内容的信息检索技术解决这个难题。基本路线是自动或半自动提取多媒体对象的底层特征,对图像而言可以提取颜色直方图、主色调、形状、纹理等特征,然后基于这些特征定义图像之间的相似度,从而实现基于内容或特征的检索。     

基于分类子块的图像检索

图像等分成M×N块后,将子块分成背景子块、目标子块和边缘子块三类,并从中提取颜色、空间特征和边缘特征,求图像间相似度时只在同类子块之间进行匹配.这样既减少了匹配运算量,又可避免不同类子块匹配所产生的干扰.实验结果表明,该方法不仅求图像间相似度的运算量小,而且对图像的旋转和平移变化不敏感,具有较好的检索性能.     

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．     

一种基于多分类SVM的相关反馈图像检索方法

相关反馈技术是近年来图像检索中的重要研究方向,它有效地缩短了用户高层语义和图像底层视觉特征的差距,大大提高了系统的检索精度,SVM因其通用性和出色的分类能力逐渐被引入到图像检索系统中.为了进一步提高检索效率,采用三级反馈机制引入模糊相关,用户对检索结果标记为相关图像、模糊相关图像和不相关图像,并对经典的查询向量点移动算法进行修改,在此基础上运用多分类SVM提出一种新的相关反馈图像检索方法.试验表明这是一个有效的方法.提高了图像检索效率.     

基于改进型SDA的自然图像分类与检索

将堆叠去噪编码器应用于图像识别中,并针对自然图像检索领域,使用卷积自动编码器改进堆叠去噪编码器,采用非监督贪婪逐层训练算法初始化网络权重,使用反向传播算法优化网络参数.利用改进的堆叠去噪编码器提取自然图像特征,使用softmax分类器分类.最后将提取的特征结合尺度不变特征转换技术实现图像检索.实验证明改进型堆叠去噪编码器大幅降低网络训练时长的同时增强网络的容错能力,提高分类器的分类精度,最终改善图像的检索效果.     

圆周特征描述:有效的叶片图像分类和检索方法

叶片图像的识别是计算机视觉的一个重要应用,其关键问题是如何对其进行有效的描述.提出了一种圆周特征描述方法.该方法用圆心在轮廓线上的圆与轮廓线和叶片形状区域分别相交所得到的圆心角、区域点的空间分布和灰度统计,分别表征叶片的轮廓、形状区域和灰度信息这3类特征,称其为叶片图像的圆周特征描述.通过改变圆的半径来产生由粗到细的圆周特征描述,给出了一种局部的多尺度安排,根据圆心到轮廓线其他各点的距离信息,确定半径的取值范围和各个尺度的半径取值.该方法描述全面,通过分析圆周与叶片图像相交的几何特性,自然地抽取了叶片的轮廓线、区域和灰度信息,且描述子满足对相似性变换的不变性.在公开的测试集上,对该方法进行叶片的分类和检索实验,取得了比现有流行方法更高的精确度,验证了该方法的有效性.     

基于SVM的图像分类

SVM能够解决线性及非线性分类问题,以较少的支持向量确定分类面,对样本数量及维数不敏感。基于直方图及惯性比确定图像特征能够保证平移、旋转和尺度不变性,是最优分类面确定的可靠保证。利用SVM进行图像分类,充分体现SVM理论的实用价值。     

基于度量学习的服装图像分类和检索

在服装图像分类和检索问题上,由于服装花纹样式的多样性和图像中不同环境背景的影响,普通卷积神经网络的辨识能力有限。针对这种情况,提出一种基于度量学习的卷积神经网络方法,其中度量学习基于triplet loss实现,由此该网络有参考样本、正样本和负样本共三个输入。通过度量学习可以减小同类别特征间距,增大不同类别特征间距,从而达到细分类的目的。此外把不同背景环境下的图像作为正样本输入训练网络以提高抗干扰能力。在服装检索问题上,提出融合卷积层特征和全连接层特征的精细检索方法。实验结果表明,度量学习的引入可以增强网络的特征提取能力,提高分类准确性,而基于融合特征的检索可以保证结果的精确性。     

基于支持向量的图像相关反馈检索

对图像相关反馈检索过程建立二分类的支持向量机问题模型,进而提出基于支持向量的图像相关反馈检索方法.比较了基于支持向量的反馈检索方法和传统的反馈检索方法的检索性能,研究了特征提取对支持向量机性能的影响.实验结果表明,基于支持向量的图像相关反馈检索方法具有较好的图像检索效果.     

基于分块颜色相关向量的图像检索算法

阐述了颜色相关向量的基本概念，提出了分块颜色相关向量相似性度量的计算方法和相关区域快速搜索算法，最终形成基于分块颜色相关向量的图像检索算法。实验表明，算法更符合人的主观感觉。