一种基于支持向量机的图像检索相关反馈改进算法

相关反馈技术是近年来基于内容的图像检索中较为重要的研究方法．基于支持向量机的相关反馈算法能够在有限的反馈次数内检索出更多的相关图像,取得了较好的效果．本文采用搬运土距离对传统的基于支持向量机的相关反馈算法进行了改进．实验结果表明．改进后的算法能够从一定程度上解决原有算法的在第一次反馈时存在的不稳定问题,提高了检索的准确率．     

SVM反馈算法在图像检索中的应用

本文以河北省科技资源建设项目为背景,在介绍科技资源图像检索系统结构基础上,重点分析了基于SVM(支持向量机)的相关反馈算法及其在科技资源图像检索中的应用.实验表明,该方法能够准确高效地查找出用户所需要的图像,有效地提高了图像检索效率.     

基于BP网络的相关反馈在图像检索中的应用

在研究图像检索基本理论基础上,提出基于主色提取和主色集扩充的图像检索算法,并运用基于BP网络的相关反馈方法提高算法性能,通过开发图像检索系统并进行检索实验,验证了算法的检索性能及BP网络相关反馈算法的有效性.     

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.     

一种基于相关反馈的图像检索算法

本文介绍了一种基于相关反馈的图像检索算法,并实现系统与传统的图像检索系统进行性能比较。经实验证明,该方法有效提高检索效率。     

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.     

基于内容图像检索中相关反馈技术的回顾

由于相关反馈技术能有效地提高基于内容图像检索的性能,使它成为图像检索系统中不可少的一部分．近年来相关反馈技术的研究正吸引着越来越多的关注,涌现出了许多算法．在简要介绍了基于内容图像检索后,文中讨论了相关反馈的交互过程和其中的重要环节,进一步分析了相关反馈中的学习问题及其特点,根据相关反馈算法所采用的检索模型把算法分为基于距离度量的方法、基于概率框架的方法和基于机器学习的方法,并在这个分类下对近年来有代表性的一些算法进行了分析和探讨,最后展望了相关反馈技术未来的发展方向．     

基于相关反馈的图像检索技术研究

将主动学习算法引入到图像检索中,以SVM作为分类器提出一种新的相关反馈算法,有效解决相关反馈技术中固有的小样本问题,提高了SVM的分类性能,从而使检索系统的检索精度有一定的提高.     

相关反馈在古籍页面图像内容检索中的应用

"基于视觉相似性的古籍内容检索系统"将汉字看作图像,对它提取特征,进行基于内容的图像检索.古籍字符的语义特性和基于内容图像检索的局限性使系统目前的查询表现仍然无法满足用户的需求.相关反馈是近年来图像检索领域的一个研究热点,该项目将相关反馈的基本原理用于古籍检索系统,采用"修正查询向量"的方法来改善检索效果.本项目的创新之处在于第一,相关反馈是针对古籍检索样本中的多个对象同时进行的;第二,对正例和负例采用了不对称的处理方法.实验表明,相关反馈机制的加入大大提高了系统的查全率,对查准率也有一定改善.     

基于目标区域和相关反馈的图像检索

提出了一种基于目标区域和相关反馈的图像检索方法,首先采用改进的K均值无监督分割方法将图像分割成区域,然后提取每个区域的颜色、位置、形状特征进行相似度计算;最后采用基于支持向量机（SVM）的相关反馈算法提高检索精度。实验结果表明,方法具有良好的检索性能。     

基于支持向量机和粗糙集的图像检索算法

研究基于支持向量机和粗糙集的相关反馈图像检索算法。利用粗糙集理论,通过对训练集的学习,构造分类规则,对支持向量机反馈后的结果再次进行处理。实验显示,与现有方法相比,该方法在图像检索的性能和时间上都有明显的改善。     

基于LBSVM机器学习的相关反馈图像检索

基于机器学习的相关反馈技术是基于内容的图像检索研究的热点。由于基于SVM的相关反馈技术存在样本数量少,样本正负比例不平衡,反馈准确率低等问题,文中先对Boosting方法进行改进,提出了用先验知识的Boosting方法与SVM结合的短期机器学习相关反馈方法（BSVM）;在此基础上为进一步提高系统反馈速度与准确率,通过保存训练好的分类器和它对应的样本,提出了基于长期机器学习的相关反馈方法（LBSVM）。文中提出的两种方法与其它方法进行了比较实验,结果表明,该方法优于其它方法。     

基于支持向量机的图像特征选择研究

相关反馈是近年来基于内容图像检索的研究热点,本文将当前统计学习理论的最新成果--支持向量机应用于反馈过程,对用户给出的正负反馈图片信息进行学习,并在2035幅图片库上应用不同的特征组合进行了反馈学习过程的比较实验,探讨了图像特征对支持向量机性能的影响.实验表明,多类别的特征选取有助于检索性能的提高.     

图像检索中IRRL模型研究

相关反馈实现了人机交互,是图像检索中的不可缺少的部分,一般图像检索中都使用一种反馈算法。IRRL模型将机器学习中的强化学习原理应用到图像检索的相关反馈中来。它将现有的查询点优化、特征加权、贝叶斯分类器等算法作为系统学习的动作,通过不同的状态选择不同的动作,最终为不同类的图像寻找到合适的反馈算法策略,最后根据策略进行具体的图像检索。文中对IRRL模型具体算法进行了研究,并在此基础上提出了一些改进意见。     

A unified log-based relevance feedback scheme for image retrieval

Relevance feedback has emerged as a powerful tool to boost the retrieval performance in content-based image retrieval (CBIR). In the past, most research efforts in this field have focused on designing effective algorithms for traditional relevance feedback. Given that a CBIR system can collect and store users' relevance feedback information in a history log, an image retrieval system should be able to take advantage of the log data of users' feedback to enhance its retrieval performance. In this paper, we propose a unified framework for log-based relevance feedback that integrates the log of feedback data into the traditional relevance feedback schemes to learn effectively the correlation between low-level image features and high-level concepts. Given the error-prone nature of log data, we present a novel learning technique, named soft label support vector machine, to tackle the noisy data problem. Extensive experiments are designed and conducted to evaluate the proposed algorithms based on the COREL image data set. The promising experimental results validate the effectiveness of our log-based relevance feedback scheme empirically.     

A new relevance feedback technique for iconic image retrieval based on spatial relationships

Due to the popularity of Internet and the growing demand of image access, the volume of image databases is exploding. Hence, we need a more efficient and effective image searching technology. Relevance feedback technique has been popularly used with content-based image retrieval (CBIR) to improve the precision performance, however, it has never been used with the retrieval systems based on spatial relationships. Hence, we propose a new relevance feedback framework to deal with spatial relationships represented by a specific data structure, called the 2D B_e-string. The notions of relevance estimation and query reformulation are embodied in our method to exploit the relevance knowledge. The irrelevance information is collected in an irrelevant set to rule out undesired pictures and to expedite the convergence speed of relevance feedback. Our system not only handles picture-based relevance feedback, but also deals with region-based feedback mechanism, such that the efficacy and effectiveness of our retrieval system are both satisfactory.     

基于受限随机选择和检索结果集的相关反馈

本文将相关反馈看成一个二分类问题,从反馈中固有的问题和用户的需求为出发点,在传统的移动查询点的基础上,提出了改进的基于受限随机选择和检索结果集的图像检索相关反馈系统。实验证明,该方法很好的解决了反馈中固有的小样本问题和正负样本不对称的问题。同时,综合利用用户的反馈信息,在较少的反馈次数内得到了较好的检索准确率。     

An implicit relevance feedback method for CBIR with real-time eye tracking

Relevance feedback is an efficient approach to improve the performance of content-based image retrieval systems, and implicit relevance feedback approaches, which gather users’ feedback by biometric devices (e.g. eye tracker), have extensively investigated in recent years. This paper proposes a novel image retrieval system with implicit relevance feedback, named eye tracking based relevance feedback system (ETRFs). ETRFs is composed of three main modules: image retrieval subsystem based on bag-of-word architecture; user relevance assessment that implicitly acquires relevant images with the help of a modern eye tracker; and relevance feedback module that applies a weighted query expansion method to fuse users’ relevance feedback. ETRFs is implemented online and real-time, which makes it remarkably distinguish from other offline systems. Ten subjects participate our experiments on the dataset of Oxford buildings and UKBench. The experimental results demonstrate that ETRFs achieves notable improvement for image retrieval performance.