近似重复图像检测及其应用

摘要

随着多媒体技术和互联网技术的快速发展，互联网上图像数量呈爆炸式增长。同文字信息相比，图像更加生动、易于理解，这种优势使得数字图像的应用范围非常广泛，比如医学图像、新闻图像、商业图像等。在数字图像为信息传播带来便利的同时，我们也面临着一个越来越严峻的问题，如何在浩如烟海的互联网图像中寻找所需要的图像，而解决这个问题的关键技术就是图像检索。
　　 传统的图像检索分为基于文本和基于内容两个方面。基于文本的图像检索可以利用比较成熟的文本检索方法，但依赖于图像的标注信息，然而图像的标注信息存在着理解不一致及图像标注很难获取等问题，于是促进了基于内容的图像检索的发展。这种检索方式根据图像本身的视觉信息来索引图像，然而由于语义鸿沟、维数灾难等问题的存在，基于内容的图像检索发展遇到了瓶颈。但是，基于内容的图像检索的一个分支，近似重复图像检测，由于其问题的特殊性及对问题良好的定义，现在得到了广泛的关注和研宄。
　　 本论文研究近似重复图像检测的关键问题，并着重研究了距离函数选择问题和图像的有效索引问题。另外，鉴于近似重复图像检测良好的应用性，在它的基础之上，设计了一个算法对图像自动添加情感标注词。本文的工作和主要贡献包括下面几个部分：
　　 1.总结了现阶段图像检索的研究内容和主要成果，介绍了图像检索的发展趋势，并对近似重复图像检测做了重点介绍。
　　 2.提出了一种新的应用于近似重复图像检测的距离函数：曼哈顿相关距离(MR距离)。不同于以往距离函数单一的度量标准，MR距离克服了使用曼哈顿距离或LRCA距离的缺陷，可以更全面的反映真实复杂数据集中图像的距离。通过将MR距离同LSH结合起来，可以处理大规模图像数据集。实验结果表明，新提出的MR距离函数使搜索准确率明显提升。
　　 3.提出了一种基于近似重复图像检测的情感标签图像自动标注算法。与大部分图像自动标注算法不同，该算法不依赖于预定义的标签集合，而是首先检测图像的近似重复图像，得到针对该图像主题的所有评论，然后从评论中抽取情感词，根据情感词的情感得分及正负极性选取人们主观认可的情感词，从而为图像添加缺失的情感标签。实验结果表明，采用提出的自动标注算法为图像添加情感标签后使搜索准确率明显提升。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章 绪论

1.1 研究背景与研究意义

1.1.1 研究背景

1.1.2 研究意义

1.2 关键问题与研究任务

1.2.1 关键问题

1.2.2 研究任务

1.3 论文的组织结构

第2章 图像检索研究现状

2.1 总体研究状况

2.2 基于文本的图像检索方法

2.3 基于内容的图像检索方法

2.3.1 基于特征的方法

2.3.2 基于索引的方法

2.3.3 其它方法

2.4 近似重复图像检测方法

2.4.1 基于特征的方法

2.4.2 基于索引的方法

2.4.3 其它方法

2.5 本章小结

第3章 应用于近似重复图像检测的曼哈顿相关距离

3.1 研究背景

3.2 新距离函数的提出

3.2.1 曼哈顿相关距离

3.2.2 使用曼哈顿相关距离的LSH机制

3.2.3 自动扩展查询

3.3 实验

3.3.1 数据集准备

3.3.2 实验结果及分析

3.4 本章小结

第4章 基于近似重复图像检测的自动图像标注

4.1 研究背景

4.1.1 基于共现模型的方法

4.1.2 基于机器翻译模型的方法

4.1.3 基于生成式模型的方法

4.1.4 基于图模型的方法

4.1.5 基于流行排序的方法

4.2 图像情感标签标注系统

4.2.1 近似重复图像检测

4.2.2 情感标签的标注

4.3 实验

4.3.1 实验数据准备

4.3.2 实验结果及分析

4.4 本章小结

第5章 工作总结与展望

5.1 工作总结

5.2 未来展望

参考文献

在读期间发表的学术论文

项目资助情况

致谢