图像检索中的图像表达方法研究

摘要

近些年来，互联网中存储的数据越来越多，如何有效地检索出需要的信息成为信息管理系统的核心问题。图像检索是信息检索中的一个重要组成部分，其目的是在数据库中查询到与查询图像内容相似的图像，为用户查询数据提供帮助。
　　图像检索技术主要分成两个部分:图像表达和数据检索。其中图像表达策略不但会影响图像检索结果的好坏，并且会影响数据检索策略的选取和效率，因此本文针对图像表达策略开展了研究。
　　图像表达方法主要分为两种:基于局部特征的方法和基于全局特征的方法，本文针对两种不同的的图像表达方法进行了分析与探究，并提出了基于局部特征表达策略的性能提升方法。本文的主要工作如下:
　　1)提出了基于原始局部描述子差异性的特征权重计算方法。在图像检索中，一幅图像中往往会出现重复的视觉元素，这类元素会影响到检索效果，这种现象被称为视觉元素的突发。本文利用局部区域的原始局部描述子之间的差异性，来调整各个特征的权重以弱化图像内突发视觉元素的影响，同时结合图像全局的显著性计算结果，不会大幅提升时间复杂度。总体上算法以小幅的时间复杂度为代价，提升了图像检索的精准度。
　　2)提出了一种特征删减方法。这种方法也是基于局部特征的，主要考虑到在图像检索中查询图像的特征有些是含有信息的，但有些是不含或含有极少信息的，这些不含或含有极少信息的特征往往不会对检索结果产生促进作用，反而会产生干扰。本文利用自然图像数据库上的检索结果作为参考信号，同时结合待检索数据库的检索结果来计算特征的衡量标准，以此剔除一些干扰性较强的特征，提升了检索的精准度。
　　3)对图像检索中如何使用卷积神经网络特征的方法进行了分析，探究了使用各网络抽取的特征的性能，并分析了各层网络的作用。并结合了多位置、多尺度信息聚合方法进行实验，验证了全连接层的作用。最后与数据检索算法结合，验证了相关性能。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．2．1 基于局部特征的图像表达研究现状

1．2．2 基于全局特征的图像表达研究现状

1．3 本文主要研究内容

1．4 本文结构及章节安排

1．5 本章小结

第2章 基于特征差异性的权重计算方法

2．1 背景介绍及相关工作

2．2 词袋模型

2．2．1 图像匹配思想

2．2．2 词袋模型表达

2．2．3 图像的检索

2．3 基于局部特征差异的权重

2．3．1 差异性矩阵的计算

2．3．2 权重计算

2．4 全局显著性权重和局部特征差异性权重

2．5 实验结果

2．5．1 数据集和性能评估指标

2．5．2 实验细节

2．5．3 性能比较

2．6 本章小结

第3章 查询图像特征删减方法

3．1 背景介绍及相关工作

3．2 参考信号的选择

3．3 特征删减

3．4 实验结果

3．4．1 参数分析

3．4．2 性能分析

3．5 本章小结

第4章 基于卷积神经网络特征的性能提升策略

4．1 背景介绍及相关工作

4．2 基于卷积神经网络特征的图像表达策略

4．2．1 人类视觉

4．2．2 卷积神经网络

4．2．3 多尺度与多位置的信息结合策略

4．2．4 对卷积神经网络表达的探究

4．3 实验

4．3．1 卷积神经网络特征性能

4．3．2 多尺度与多位置信息结合实验

4．3．3 多网络与多层信息结合实验

4．3．4 卷积神经网络与词袋模型的比较分析

4．5 本章小结

第5章 总结与展望

5．1 研究成果和创新点

5．2 研究工作展望

参考文献

致谢

在读期间发表的学术论文与取得的其它研究成果