基于视觉感知的图像检索的研究

基于内容图像检索的一个突出问题是图像低层特征与高层语义之间存在的巨大鸿沟.针对相关反馈和感兴趣区检测在弥补语义鸿沟时存在主观性强、耗时的缺点,提出了视觉信息是一种客观反映图像高层语义的新特征,基于视觉信息进行图像检索可以有效减小语义鸿沟;并在总结视觉感知的研究进展和实现方法的基础上,给出了基于视觉感知的图像检索在感兴趣区检测、图像分割、相关反馈和个性化检索四个方面的研究思路.     

综合语义与颜色特征的图像检索技术研究

针对多媒体搜索引擎系统中的图像检索技术，本文提出了应用图像的高层语义特征和底层颜色特征作为图像检索的综合指标，将图像文本和视觉信息融合起来，给出了一种综合语义和颜色特征的图像检索系统的体系架构．以填补多媒体底层特征和高层语义之间的差异，并在此基础上提出了相关算法，使图像检索能够满足用户的需求．提高图像检索的效率和精度。     

基于散布矩阵分析的相关反馈算法及应用

相关反馈技术是一种较常用的提高信息检索精度的方法.在图像检索领域,相关反馈技术被认为是解决图像高层语义内容和低层视觉特征之间差异的一种有效方法.视觉特征的权值调整是一类应用较多的相关反馈技术,权值调整方法中存在矩阵奇异问题,本文提出了一种新的基于散布矩阵分析的相关反馈算法,解决了矩阵奇异问题.该方法通过分析与检索目标相关图像在特征空间中的散布来构造目标图像类的投影空间,该空间对应于一个高层语义类在特征空间中分布密集的子空间,在投影空间中计算相似图像;同时根据每次反馈的信息不断修正投影空间来提高系统的检索性能.在Cord图像数据库中的实验结果表明该算法具有良好的检索性能.     

基于多级描述模型的渐进式图像内容理解

针对目前基于内容的图像检索技术中低级特征无法准确全面地描述高级语义的问题,本文提出了一种基于多级图像描述模型的渐进式图像内容理解.该图像描述模型在不同层次上对图像内容进行分析和提取,实现了图像内容的全方位描述,从底层向高层的过渡是渐进式的图像理解过程.特别是从视觉感知层到目标层,体现了图像低级特征与高级语义之间的过渡.本文给出了一种基于先验知识的上下文驱动的目标理解算法,实现了图像语义的提取.作为一个应用实例,本文给出了以上方法在基于内容的图像检索技术中的具体应用.     

基于目标语义特征的图像检索系统

为克服当前基于内容的图像检索技术中低级特征无法准确全面地描述高级语义的问题,该文设计和实现了一个基于目标高级语义特征的检索系统。该系统利用了一个多级图像描述模型将语义特征结合到图像检索技术中。该图像描述模型通过在不同层次上对图像内容进行分析和描述,实现了从低级特征到高级语义的过渡。在此模型的基础上还研究了相应的检索机制和反馈技术。该系统的检索机制定位于图像中目标的语义内容,与传统的图像检索系统相比更接近人对图像内容的理解,从而使检索过程更简便,检索效率也得到很大提高。基于目标描述的自适应相关反馈可针对不同用户的不同需求给出相应的检索方案,从而使检索结果得到优化。     

基于改进布谷鸟搜索算法的相关反馈图像检索

由于视觉低层特征与高层语义间存在"语义鸿沟",基于内容的检索算法难以找到满足用户要求的图像,为了提高图像检索准确率,提出一种基于布谷鸟搜索算法的相关反馈图像检索方法(MCS)。首先分别提取图像的颜色、纹理、形状特征。然后根据用户的反馈信息,采用布谷鸟搜索算法动态调整特征的权值,从而建立满足用户实际偏好的图像相似度模型。最后采用仿真实验测试MCS的有效性。结果表明,相对于遗传算法、粒子群算法以及传统图像检索算法,MCS算法不仅提高了图像检索准确度,同时加快了图像检索效率,更好地满足图像检索要求。     

图像语义提取方法研究

为解决从图像的低层视觉特征到高层语义特征的＂语义鸿沟＂问题,对当前的语义提取方法进行研究,简单介绍了图像语义层次模型,并根据语义信息的来源不同,归纳总结了图像语义中基于处理范围的方法,基于机器学习的方法,基于人机交互的方法和基于外部信息源的提取方法,这些工作为图像语义提取和图像语义检索等研究提供有益参考。     

基于潜在语义分析和相关反馈的图像检索方法

为了解决传统的CBIR系统中存在的"语义鸿沟"问题,提出一种基于潜在语义索引技术(LSI)和相关反馈技术的图像检索方法.在进行图像检索时,先在HSV空间下提取颜色直方图作为底层视觉特征进行图像检索,然后引入潜在语义索引技术试图将底层特征赋予更高层次的语义含义;并且结合相关反馈技术,通过与用户交互进一步提高检索精度.实验...     

现勘图像检索综述

现勘图像检索是进行证据图像比对以获取物证信息的重要手段.本文基于目前应用广泛的现勘图像数据库,根据图像内容将图像分为鞋印、指纹、纹身等种类.并通过对现勘图像的两项关键技术即低层数字特征提取和高层语义分析的总结,从颜色特征、纹理特征、边缘提取等方面综述了现勘图像低层数字特征提取技术,从利用语义模板和数据库本体结构、机器学习算法、引入人工反馈三大类高层语义提取技术综述了现勘图像高层语义分析的研究成果.最后,结合公安行业利用现勘图像获取物证线索的实际应用需求,指出了通过引入公安行业先验知识来提高检索效率等研究方向.     

一种融合图学习与区域显著性分析的图像检索算法

 为弥合图像低层视觉特征和高层语义之间的语义鸿沟,改善图像检索的效果,机器学习算法经常被引入到图像检索问题中.通常情况下,机器学习算法是与相关反馈机制相结合,通过用户的交互操作,标定出若干正反例图像,很自然地就可以将图像检索问题转化为模式识别中的分类问题.目前融合区域显著性分析的区域图像检索算法尚没有与机器学习算法相融合.本文结合图像区域显著性分析,并针对用户参与反馈的情况,分别提出了两种图像检索解决方案.其一,在没有用户反馈以及用户只反馈正例图像的情形下,将图像检索问题转化为直推式学习问题(Transductive Learning),改进已有的基于图的半监督学习算法,提出了融合区域显著性分析的层次化图表示(Hierarchical Graph Representation)方式,用以实现标记传播;其二,在用户同时反馈正反例图像的情形下,利用用户反馈得到的正反例图像构建相似性邻接矩阵,通过流形排序算法(Manifold-Ranking)学习出用户感兴趣的查询目标概念并用相应的特征向量集合表示,并据此查询图像库返回用户语义相关的图像集合.实验结果验证了这两种检索策略的有效性.     

基于规则推理的语义检索若干关键技术研究

 针对专业领域复杂的检索需求,目前相关研究采用基于语义的方法来扩展检索范围并提高准确度.在语义推理方面,目前搜索引擎通常直接采用语义网中的推理算法,推理效率不高.在排序方面,基于关键字的搜索引擎的排序算法也不适合对语义检索结果进行排序.针对上述问题,本文给出了基于语义网的语义规则建立方法,并提出了一种基于闭合世界假设的反向链接推理算法,提高推理效率,同时给出了一种基于特征相似性排序算法,使检索结果排序方式更加符合语义检索的特点.基于本文提出的方法,构造了语义搜索引擎MaterialHub,实验表明该搜索引擎提高了检索的准确率和查全率,有较好的查询响应时间,并已经得到实际应用.     

基于树状结构的语义相似度计算方法分析

文中提出了基于树状结构的语义相似度计算方法.结合概念节点之间的语义关系、语义距离、概念节点的深度、密度对语义相似度的影响,利用树的层次关系来表达概念节点之间的语义信息,并对概念节点密度的计算进行改进,加入了可调节的参数,以适应不同的情景.通过实验验证了该算法在查准率方面具有较强的优越性.     

基于语义的视频检索关键技术综述

随着大量视频的出现,视频内容检索是当今多媒体应用的一个重要研究方向。现有的视频检索技术多是基于低层特征,这些低层特征与高层语义概念相差较多,严重影响了视频内容检索系统的实用性。由于低层特征和高层语义概念间的语义鸿沟,如何从视频内容中提取人类思维中的语义概念,正成为目前视频内容检索中最具有挑战性的研究内容。文中介绍了语义视频检索出现的背景和国内外最新研究动态,分析了现有方法的优缺点,对现有的关键技术进行综述。     

基于语义的自然语言理解研究

机器要完全智能化,自然语言理解是基础,其中语义是最突出的问题.语义分析方法的选择,对于处理各类不同的语料有着十分重要的作用.介绍语义分析理论,并重点分析语义网络、袼语法、概念从属理论和本体等语义分析方法;提出在选择语义知识表示方法时应遵循的原则;最后,分析基于语义的自然语言理解的重要性及发展趋势.     

语义Web安全研究

针对语义Web技术本身以及由遍及Internet各个角落的语义Web应用构成的语义数据网可能引入新的安全、隐私和信任问题及需求,详细分析了语义Web所面临的安全问题及其安全现状。在此基础上,提出了语义Web的安全参考技术框架。最后,指出在该安全框架下语义Web安全急需研究的关键技术、策略规范和安全标准。     

监控视频中目标对象时空关系提取

在实时监控系统的应用背景下,基于MPEG-7标准中层语义上,重点对监控视频图像时间空间关系判断和目标识别方法进行了全面的论述,并给出了一种在监控视频中判断多帧多目标之间时间关系和空间关系的算法,且为目标运动趋势估计提供了有力的支持。     

基于本体的语义检索技术在题库中的应用

传统的题库并未考虑到题目的语义及题目之间的关系.针对这个问题,介绍了语义网络和本体的概念,探讨了应用本体来构造题库中题目的有关知识,从而形成用知识型题库的方法和基于本体的语义搜索技术来分析题目所涵盖知识点的方法.     

基于语义树的概念语义相似度计算方法研究

在分析传统语义相似度计算方法的基础上,综合考虑了边的深度、密度、强度及两个概念的语义重合度、层次差等主要影响因素,提出了一种基于语义树的概念相似度计算方法,并验证了该算法的合理性.     

云环境下的语义本体构建及其在语义检索中的应用

随着云技术的广泛应用,云环境下的语义检索也逐渐成为重要的研究内容,而语义本体构建是首先需要解决的问题.本文首先提出了一种基于相似度计算的数据部署策略,综合考虑了概念之间的结构相似度和语义相似度,将对象数据最优化的部署到不同的虚拟机分别构建语义本体,并给出了相应的语义检索算法.     

A Semantic Service Discovery Network for Large‐Scale Ubiquitous Computing Environments

This paper presents an efficient semantic service discovery scheme called UbiSearch for a large‐scale ubiquitous computing environment. A semantic service discovery network in the semantic vector space is proposed where services that are semantically close to each other are mapped to nearby positions so that the similar services are registered in a cluster of resolvers. Using this mapping technique, the search space for a query is efficiently confined within a minimized cluster region while maintaining high accuracy in comparison to the centralized scheme. The proposed semantic service discovery network provides a number of novel features to evenly distribute service indexes to the resolvers and reduce the number of resolvers to visit. Our simulation study shows that UbiSearch provides good semantic searchability as compared to the centralized indexing system. At the same time, it supports scalable semantic queries with low communication overhead, balanced load distribution among resolvers for service registration and query processing, and personalized semantic matching.