语义判别投影在图像检索中的应用

摘要

根据数字图像的视觉内容有效地管理图像库是当前研究的一大热点。 基于内容的图像检索，有两个基本问题有待解决。首先，用于描述图像视觉内容的特征向量，如颜色、纹理、形状、空间关系等等，一般维数比较高。很多情况下都是从几百到几千，一般的机器学习方法不能在这么高维的特征空间学习。这就是所谓的“维数灾难”；其次，基于内容的图像检索中用于刻画图像视觉内容的低维特征与高层语义概念之间不存在直接的联系，这就是所谓的“语义鸿沟”。 为了更好的揭示低维视觉特征与高层语义概念间的联系， 本文重点研究了子空间学习方法在基于内容的图像检索中的应用，提出一种新的子空间学习方法--“语义判别投影”，通过学习描述信息和判别信息得到新的语义子空间，避免了奇异性问题，而且能学习得到一个最优维。本文提出的方法也可应用于再生核希尔伯特空间，得到称为“核语义判别投影”的学习方法。随后，本文又提出了二维语义判别投影和通过相关反馈增量学习的方法。 实验结果表明，本文提出的方法比当前其它学习方法具有更好的检索性能。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景

1.2研究进展

1.2.1特征提取

1.2.2相似度量

1.3论文组织

第二章语义判别投影

2.1相关工作

2.1.1引言

2.1.2相关工作

2.1.3基于拉普拉斯的子空间学习

2.2语义判别投影

2.3本章小结

第三章语义判别投影的扩展

3.1核语义判别投影

3.1.1相关工作

3.1.2核语义判别投影

3.1.3小结

3.2二维语义判别投影

3.2.1相关工作

3.2.2二维语义判别投影

3.2.3小结

3.3基于相关反馈的学习方法

3.3.1相关工作

3.3.2本文提出的方法

3.3.3小结

第四章实验结果与讨论

4.1图像数据集

4.2性能评价

4.3与保局投影、局部判别嵌入的比较结果

4.4图像特征约简后的维数

4.5数据二维可视化

总结与展望

参考文献

攻读硕士学位期间所发表的论文

致谢