结合低层特征和高层语义的图像检索系统

摘要

计算机技术、多媒体技术以及Internet技术的飞速发展产生大量的图像信息,因此如何有效地、快速地从大规模的图像数据库中检索出需要的图像是目前一个急需解决的重要问题.基于内容的图像检索技术和基于语义的图像检索技术正是解决这一问题的有效途径.前者研究的是根据自动获取的图像低层特征,从图像数据库中检索出相关图像;而后者研究的是如何从多种渠道获取图像语义信息,并根据语义检索相关图像.该论文主要围绕图像低层特征的提取和索引、高层语义特征的检索、弥补语义鸿沟的相关反馈技术展开详细的研究.并在研究的基础上,结合三项技术的优点,建立了高效实用的图像检索系统.此系统为图像构建语义关键字网络,并建立低层特征库,对图像实行特征和语义的复合索引;通过相关反馈技术一方面在线理解用户的查询意图,自动调整相似度测量准则以符合用户需求;另一方面给相关图像传递语义标注,更新相关性强度,充实语义网络,实现长期的学习和记忆.在检索的过程中,用户可以通过多种不同途径给出查询条件,图像的低层特征与语义网络互为补充以达到最佳的检索效果.经过试验测试,该文的图像检索系统可以在少量的反馈次数(平均5次)中达到进70％的准确率,而且随着系统的使用次数的增多,检索性能会逐步增长.

目录

文摘

英文文摘

第一章绪论

1.1课题背景与研究意义

1.2国内外的研究现状

1.3本文的研究内容和章节安排

第二章基于内容的图像检索关键技术

2.1 CBIR技术原理

2.2低层特征提取算法

2.2.1颜色牲的提取算法

2.2.2纹理特征的提取算法

2.2.3形状特征的提取算法

2.3图像数据库的索引机制

2.4图像查询方式和相似性度量准则

2.5图像检索算法的评价准则

2.6小结

第三章语义图像检索

3.1引言

3.2层次化图像语义模型

3.3图像语义表示

3.4图像语义算法研究

3.4.1基于低层特征的语义算法

3.4.2基于语义向量的语义算法

3.4.3基于关键字的语义网络

3.5小结

第四章相关反馈技术

4.1引言

4.2应用相关反馈改善检索性能的原理

4.3如何设计相关反馈算法

4.3.1假设用户查询的内容

4.3.2假设反馈的内容

4.3.3假设相关反馈学习的内容和学习的方法

4.4应用于向量模型的相关反馈算法

4.4.1使用相似度移动查询向量

4.4.2调整距离测度的权值

4.4.3基于统计学习理论

4.4.4基于机器学习理论

4.5结合关键字网络的相关反馈

4.6小结

第五章本文图像检索系统I-MANAGER

5.1 I-MANAGER系统中的CBIR技术

5.1.1颜色特征提取算法

5.1.2 I-Manager系统的高维索引算法

5.1.3 I-Manager系统的图像查询方式

5.2 I-MANAGER系统中应用于低层颜色特征的相关反馈算法

5.3 I-MANAGER系统的语义网络

5.3.1权值更新算法

5.3.2关键字的分层管理和分层传递

5.5.3建立初始语义网络

5.4图像数据库结构

5.5构建系统步骤

5.5.1计算并输入颜色特征向量

5.5.2建立初始网络并训练语义网络

5.5.3设计用户查询界面

5.6 I-MANAGER系统的检索算法

5.6.1高层语义与低层特征的结合

5.6.2语义特征的检索算法

5.6.3基于主颜色的检索算法

5.6.4基于查询图像的颜色检索算法

5.7系统的总体框图

5.8系统性能测试

第六章总结

6.1本文的主要工作和创新点

6.2后继工作和展望

参考文献

致谢

西北工业大学学位论文知识产权声明书及原创性声明