基于低秩表征学习的图像记忆性预测方法研究

摘要

随着计算机网络技术和多媒体技术的快速发展与普及，社交网络已经成为人们生活中不可缺少的一部分。在此背景下，图像作为用户产生的主要内容之一记录了生活中的方方面面。人类有记住成千上万图像的能力，然而并不是所有图像都可以被长久记忆。一些具有代表性的图片看一眼就无法忘记，一些图像却很难被记住。已有的研究表明，图像记忆性被证明是图像的内在属性，可以衡量一张图像在被浏览后被记忆的程度。图像记忆性在诸如图像处理、计算机视觉、用户界面设计、视频摘要和广告设计等领域中具有潜在的应用价值。目前，已有的研究工作多聚焦于探索图像内容和图像记忆性之间的潜在相关性，但对于通过图像特征自动预测图像记忆性的研究并没有大量展开。 近年来，由于低秩技术能很好地揭示数据在空间分布中的全局结构信息，且对噪声具有很好的鲁棒性，已经广泛应用于多媒体和计算机视觉领域的研究。本文重点从两个方面研究了基于低秩表征学习的图像记忆性预测：1)基于低秩表征和稀疏回归的图像记忆性预测方法：通过联合低秩表征和稀疏回归，得到图像特征的低秩映射与图像记忆性之间的相关性，实现特征自动选择，减少冗余及噪声信息，提高预测准确性；2)基于多视图低秩表征和稀疏回归学习的图像记忆性预测方法：借助多视图特征相关知识，利用图像的底层特征和高级属性特征的不同视图以及相关性，提高图像记忆性预测的准确性。对所提两种方法，本文基于增广拉格朗日乘子法的线性交替方向方法对目标函数进行求解，在公开的数据库进行的实验结果证明了所提方法的有效性。

目录

声明

第1章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.2.1国内研究现状

1.2.2国外研究现状

1.3本文主要贡献

1.4本文组织结构

第2章 相关技术介绍

2.1范数规则化

2.2低秩表征学习

2.2.1低秩表征模型及求解算法

2.2.2低秩表征学习的应用

2.3回归模型

2.3.1线性回归

2.3.2岭回归和Lasso回归

2.3.3支持向量机回归

2.4本章小结

第3章 基于低秩表征和稀疏回归的图像记忆性预测方法

3.1模型构建

3.2模型求解

3.2.1固定b求解A, E, w

3.2.2固定A, E, w求解b

3.3实验设计与分析

3.3.1数据库和实验设置

3.3.2评价准则

3.3.3实验结果与分析

3.4本章小结

第4章 基于多视图低秩表征和稀疏回归学习的图像记忆性预测方法

4.1模型构建

4.2模型求解

4.2.2固定Φh变量集更新Φl

4.3实验设计与分析

4.3.1数据库与实验设置

4.3.2评价准则

4.3.3实验结果与分析

4.4本章小结

第5章 总结与展望

5.1工作总结

5.2未来工作展望

参考文献

发表论文和参加科研情况说明

致谢