基于一种主动相关反馈机制的图像检索方法研究

摘要

本文提出了一种基于Logistic回归模型(Logistic Regression.LR)的相关反馈机制,以有效地改进图像的低级视觉特征与高级语义特征之间的鸿沟问题,最终提高基于内容的图像检索系统(CBIR)的效率与精度。本文将用户兴趣喜好加入到相关反馈机制当中,对用户兴趣进行建模,形成一个概率分布,最终运用此模型预测数据库中的图像属于用户喜好类别的概率值,并按照此概率值对返回结果图像集合进行排序输出。这一过程就这样不断地反复,直到用户对查询结果满意或是找到目标图像为止。
　　 其中实现此相关反馈技术会遇到一个关键问题,就是用户反馈样本数,也就是训练样本数远远小于图像特征向量维数,Logistic回归模型不能很好调整整体参数,本文将从两个方面解决这一问题。
　　 首先,运用迭代Logistic回归模型(Iteration Logistic Regression,ILR)方法,将原本的图像特征向量空间分成几个小的子集,先在各个子集内部进行建模,然后再将训练好的子集作为特征向量的内部向量进行建模。
　　 另外,运用机器学习中比较热门的主动学习算法(Active Learning,AL),挑选出那些具有最大信息量的未标记样本让用户去标记,不仅扩大了训练样本数量,最重要的是挑选出对分类器有利的样本让用户进行标记,优化分类结果。
　　 实验结果表明,本文提出的方案能够很好地提高图像检索系统的效率。

目录

文摘

英文文摘

引言

第1章 基于内容的图像检索概述

1．1研究背景与意义

1．2基于内容的图像检索技术的发展

1．2．1基于内容的图像检索的系统结构与基本原理

1．2．2国内外典型基于内容的检索系统

1．3基于内容的图像检索技术中的“语义鸿沟”问题

1．3．1“语义鸿沟”的表现

1．3．2图像层次模型的结构描述

1．3．3缩小“语义鸿沟”的方法

1．4论文的主要工作

第2章 基于内容的图像检索系统中的相关反馈机制

2．1相关反馈的基本思想

2．2相关反馈的具体过程

2．3相关反馈的关键技术

2．3．1基于空间变换的相关反馈算法

2．3．2基于统计概率的相关反馈算法

2．3．3基于聚类分析的相关反馈算法

2．3．4基于机器学习的相关反馈算法

2．3．5基于语义信息的相关反馈算法

第3章 基于迭代Logistic回归模型和主动学习算法的相关反馈的图像检索系统 ．．

3．1 Logistic回归模型

3．1．1 Logistic回归

3．1．2 Logistic回归模型的构造

3．1．3模型的参数估计

3．2主动学习算法

3．2．1主动学习算法的主要思想

3．2．2样例选择算法

3．2．3主动学习算法的应用领域

3．3基于迭代Logistic回归模型和主动学习算法的相关反馈算法

3．3．1特征提取

3．3．2基于迭代Logistic回归模型的相关反馈模型

3．3．3主动相关反馈算法

第4章 实验结果与分析

4．1系统设计

4．1．1系统模型

4．1．2系统功能

4．2检索性能评价标准

4．3检索效果与实验分析

4．3．1实验数据

4．3．2实验结果与分析

第5章 总结与展望

5．1本文的主要工作

5．2未来展望

参考文献

致谢

在学期间公开发表论文及著作情况