基于小波纹理、语义特征和相关反馈的医学图像检索

本文针对胸片和胸部CT扫描两种医学图像库，提出一种融合小波纹理、语义特征和相关反馈的医学图像检索技术。首先分析比较了纹理的三大描述方法：灰度层共现矩阵，纹理谱，小波变换，采用了频谱法中的一种基于小波变换的纹理描述方法进行纹理分析。为了进一步提高检索精度，将语义特征融合到该算法中，然后利用相关反馈技术有效地提高检索准确率。通过在原型系统上的实验，从查准率、查全率、平均序号验证了此方法的有效性。     

基于相关反馈的一种加权距离法

在基于内容的图像检索系统中我们经常使用一些底层特征,如表现图像的颜色和文本信息.如果给出了这些特征的内容,如特征向量,我们就可以通过计算特征空间的距离测量出图像之间的相似度.然而,这些底层特征并不一定能反映人的视觉中高层概念的相似度.相关反馈技术就是通过交互检索来提高检索性能,在数据库的搜索中参考了用户的反馈信息.因此...     

基于区域分割与相关反馈的高效图像检索算法

为了提高图像标注与检索的性能,提出了一种基于区域分割与相关反馈的图像标注与检索算法.该算法利用视觉特征与标注信息的相关性,采用基于区域的视觉特征对每幅图像采用聚类方法获得其一组视觉相似图像.通过计算与其距离最近的前三个分类的相似度,然后对这些关键字概率向量进行整合,获得最适合该图像的关键字概率向量,对图像进行标注.利用用户的反馈信息,修正查询关键词与每个分类之间的关系,进一步提高图像检索的准确性.实验结果表明,提出的算法具有更高的查准率与查全率.     

基于粒子群的图像检索相关反馈算法

 将粒子群优化算法的进化搜索过程与用户的反馈过程有效结合,提出了一种基于粒子群的图像检索相关反馈算法,避免了初始检索对用户认知的影响以及对反馈效果造成的局限性,并使得用户对检索目标的理解逐渐清晰,能够有效全面的搜索图片库,同时避免多次反馈造成的算法效率和检索效果之间的矛盾.通过实验验证了算法的有效性.     

基于语义的信息检索中的反馈技术

首先分析了两种基于语义的信息检索系统的基本框架。由于相关反馈计算在基于内容的图像检索中受到广泛重视，因此对相关反馈中的加权距离进行了讨论和总结。这种相关反馈技术使得高层次语义特征能够逐步嵌入到低层次特征的图像检索中，使检索的准确率大大提高。     

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...     

基于主动学习的相关反馈算法研究

相关反馈(reference feedback)是信息检索领域中一种常用技术,近年来,该技术被广泛应用与基于内容的图像检索(CBIR)领域中,旨在通过用户与图像检索系统间的交互过程,克服图像底层特征与高层语义之间的语义鸿沟问题。将主动学习算法结合到相关反馈技术当中,其目的是利用主动学习算法,从无标记图像集中选择最具有信息化的部分图像作为反馈图像,减少用户与系统之间的反馈次数。在COREL图像库和VOC图像库上,对基于主动学习的相关反馈技术进行实验验证,实验结果证明了,基于主动学习的相关反馈技术可以有效提高图像检索系统的性能。     

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。     

特征结合和相关反馈技术在医学图像检索中的应用

本文在单一检索的基础上,对基于灰度直方图的颜色特征,基于小波变换的纹理特征和基于不变矩的形状特征进行融合.为了使用户能够参与检索过程,又引入了相关反馈机制,通过调整权值使得检索的结果最终满足用户的检索要求.最后分别给出基于单一特征,特征融合和相关反馈方法的查准率和查全率,并对试验结果进行分析.     

基于教与学优化算法的相关反馈图像检索

为提高基于内容的图像检索的检索性能和检索速度,克服低层视觉特征与高层语义概念间的“语义鸿沟”,提出一种基于教与学优化的图像检索相关反馈算法（TLBO-RF）.结合图像检索问题的特殊性和粒子群优化算法的优点,对TLBO算法中个体的更新机制进行了改进,通过将相关图像集的中心作为教师以及引入学员最好学习状态Pbest,使之朝用户感兴趣的相关图像区域快速收敛.将该算法与目前效果最好的两种基于进化算法的相关反馈技术在两套标准图像测试集上进行对比,结果表明本文算法相较于另外两种算法具有明显的优势,不仅提高了图像检索性能,同时也加快了图像检索速度,更好地满足了用户的检索要求.     

基于综合特征和SVM相关反馈的图像检索

提出综合纹理、颜色和形状特征的图像检索方法。首先采用Gabor小波计算ROIs(Regions of Interest)的位置和数目;然后在ROIs中,使用Gabor小波提取纹理特征,采用YUV空间直方图和颜色矩表示颜色特征,使用Zernike矩提取形状特征。为了提高图像检索的准确度,最后采用基于支持向量机(SVM)的相关反馈算法。实验结果表明,提出的方法具有较好的检索性能。     

Content‐Based Image Retrieval Based on Relevance Feedback and Reinforcement Learning for Medical Images

To enable a relevance feedback paradigm to evolve itself by users’ feedback, a reinforcement learning method is proposed. The feature space of the medical images is partitioned into positive and negative hypercubes by the system. Each hypercube constitutes an individual in a genetic algorithm infrastructure. The rules take recombination and mutation operators to make new rules for better exploring the feature space. The effectiveness of the rules is checked by a scoring method by which the ineffective rules will be omitted gradually and the effective ones survive. Our experiments on a set of 10,004 images from the IRMA database show that the proposed approach can better describe the semantic content of images for image retrieval with respect to other existing approaches in the literature.     

Support Vector Machine Learning for Region‐Based Image Retrieval with Relevance Feedback

We present a relevance feedback approach based on multi‐class support vector machine (SVM) learning and cluster‐merging which can significantly improve the retrieval performance in region‐based image retrieval. Semantically relevant images may exhibit various visual characteristics and may be scattered in several classes in the feature space due to the semantic gap between low‐level features and high‐level semantics in the user's mind. To find the semantic classes through relevance feedback, the proposed method reduces the burden of completely re‐clustering the classes at iterations and classifies multiple classes. Experimental results show that the proposed method is more effective and efficient than the two‐class SVM and multi‐class relevance feedback methods.     

基于独立分量分析的文本特征提取算法

文本特征提取的正确高效直接影响聚类结果准确率,针对文本特征提取中文本数据的高维、高噪声问题,提出采用独立分量分析作为文本特征词的提取技术.采用TF-IDF方法形成文本特征的数字描述矩阵一向量空间模型,使用独立分量分析算法实现对矩阵的关键特征词提取,使用非负矩阵分解及其扩展算法对矩阵进行聚类分析,实现聚类.     

一种运动数据检索的相关反馈算法

本文提出了一种基于RankBoost的运动数据检索相关反馈算法.该算法具有以下二个方面的特点:首先,以KNN-DTW作为RankBoost集成学习的弱排序器,在适应变长多变量时间序列(Variable-Length Multivariate Time Series,VLMTS)数据的同时,利用RankBoost的集成性与高效性解决相关反馈实时性要求与VLMTS数据计算复杂度高的矛盾;其次,以本文提出的最小化排序经验损失和泛化损失风险作为RankBoost集成学习目标,有效地克服了相关反馈小样本学习环境下的过拟合问题.在CMU动作库上的实验结果验证了该方法的有效性.     

Pseudo Relevance Feedback for Searech-Based Image Annotation

Search-based image annotation （SBIA） is a promising way of Automatic image annotation （AIA）. In this paper, Pseudo relevance feedback （PRF） is employed to SBIA （referred as PRF-SBIA） for effectively promoting the annotation performance. Given an un-annotated image as the query, PRF is triggered out for collecting more relevant images from the annotated images. With these relevant images, PRF-based probability model is built up to characterize the hidden relation between the visual content of images and the textual keywords. Furthermore, based on the text-based retrieval technique, a regularized factor with respect to the reliability of keywords is pro- posed to re-rank the annotation list in each round of PRF. The experimental results reveal that high annotation accuracy can be achieved via PRF-SBIA.