联合耦合字典学习与图像正则化的跨媒体检索方法

摘要

跨媒体检索方法多数将2个模态的原始特征映射到公共子空间,在子空间中执行跨媒体检索,忽略了判别特征的选择以及模态间的关系.为此,提出一种基于耦合字典学习和图形正则化的新型跨模态检索方法.通过关联和联合更新不同模态的字典,为不同的模态生成均匀的稀疏表示.将不同模态的稀疏表示投影到由类标签信息定义的公共子空间中,以执行跨模态匹配,同时对投影矩阵施加21范数项,选择特征空间的相关和辨别性特征.在此基础上,利用图正则化项保留模态间和模态内相似关系.实验结果表明,与典型相关分析方法相比,该方法跨媒体检索精度较高.