【摘要】：圖像檢索的研究目標(biāo)是從數(shù)據(jù)庫中準(zhǔn)確并快速地找到目標(biāo)圖像。伴隨著互聯(lián)網(wǎng)的發(fā)展和移動設(shè)備的普及,數(shù)據(jù)總量呈現(xiàn)出爆炸性的增長趨勢。如何在海量數(shù)據(jù)搜索中提高搜索精度和搜索速度已經(jīng)成為圖像檢索領(lǐng)域的重要研究課題。本文以圖像檢索為研究核心,針對特征學(xué)習(xí)和索引技術(shù)展開了深入的研究工作,論文包括以下創(chuàng)新性研究成果:·提出一種增強近鄰可逆性的圖像子空間學(xué)習(xí)方法,并應(yīng)用于圖像搜索圖像任務(wù)。近鄰可逆是指兩幅圖像互相處于彼此的近鄰范圍內(nèi),而具有近鄰可逆性的兩幅圖像通常具有強相關(guān)性。通過在子空間學(xué)習(xí)中增強相關(guān)圖像的近鄰可逆性,圖像特征的分布特性可以得到改善。實驗結(jié)果表明該方法能夠有效地提高圖像搜索圖像任務(wù)的搜索精度。·提出一種為卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)特征設(shè)計的倒排索引方法,用于提高利用CNN特征執(zhí)行大規(guī)模圖像搜索時的搜索速度。該方法聯(lián)合多種策略改造倒排表使其能夠適用于CNN特征,并利用哈希碼替換嵌入碼來進(jìn)一步提高搜索精度和搜索速度。實驗結(jié)果驗證了該索引方法對大規(guī)模圖像檢索的有效性。·提出一種模態(tài)不變的圖像-文本公共特征學(xué)習(xí)方法用于解決文本搜索圖像問題。該方法利用梯度反轉(zhuǎn)層連接特征網(wǎng)絡(luò)和模態(tài)分類網(wǎng)絡(luò),并在訓(xùn)練階段優(yōu)化三元組損失的同時最小化對抗損失,從而縮小圖像特征和文本特征在公共特征空間中的分布差距。實驗結(jié)果驗證了該方法對文本搜索圖像和圖像搜索文本任務(wù)的有效性�！ぬ岢鲆环N語義一致的多視角跨媒體哈希(Multi-view Cross-Media Hashing with Semantic Consistency,簡稱MCMHSC)用于同時解決公共特征的學(xué)習(xí)和索引。MCMHSC的核心思想是將類別視為一個獨立的視角,并在哈希函數(shù)的學(xué)習(xí)過程中引入數(shù)據(jù)與類別間的相關(guān)性信息,從而提高哈希碼的類別一致性。實驗結(jié)果證明了 MCMHSC與現(xiàn)有方法相比在搜索精度和時間復(fù)雜度上具有明顯的優(yōu)勢。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TP391.41
【圖文】：

當(dāng)前環(huán)境下信息的表現(xiàn)形式是多樣的。在互聯(lián)網(wǎng)中，數(shù)據(jù)通常表示為四種媒逡逑體類型（或稱作模態(tài)），包括圖像、文本、視頻和音頻。盡管某些數(shù)據(jù)的媒體類逡逑型是不一致的，但是在高層語義上它們具有很強的關(guān)聯(lián)性。如圖１．１所示，當(dāng)我逡逑們在網(wǎng)絡(luò)上搜索“狗”這一信息時，我們會得到各種類型的數(shù)據(jù)。其中，數(shù)據(jù)可逡逑能屬于相同模態(tài)，例如兩幅狗的圖像，我們稱這樣的數(shù)據(jù)為同構(gòu)數(shù)據(jù)。數(shù)據(jù)也可逡逑能屬于不同模態(tài)，例如一幅圖像和描述該圖像的一段文字，我們稱這樣的數(shù)據(jù)為逡逑Ｔｈｉｓ邋ａｒｔｉｃｌｅ邋ｉｓ邋ａｂｏｕｔ邋ｔｈｅ邋ｄｏｍｅｓｔｉｃ邋ｄｏｇ．邋Ｆｏｒ邋ｒｅｌａｔｅｄ邋ｓｐｅｃｉｅｓ邋ｋｎｏｗｎ邋ｏｓ邋＂ｄｏｇｓ＂，逡逑文本：邋ｓｅｅ邋Ｃｏｎｉｄｏｅ．邋Ｆｏｒ邋ｏｔｈｅｒ邋ｕｓｅｓ，邋ｓｅｅ邋Ｄｏａ邋（ｄｉｓｏｍｂｉａｕａｔｉｏｎ）．邋＂Ｄｏｇｇｉｅ＂邋ｒｅｄｉｒｅｃｔｓ逡逑ｈｅｒｅ．邋Ｆｏｒ邋ｔｈｅ邋Ｄａｎｉｓｈ邋ａｒｔｉｓｔ，邋ｓｅｅ邋Ｄｏａａｉｅ邋（ａｒｔｉｓｔ）．逡逑隨：逡逑－－ｄｏｇ邋＆邋ｂ？ｆｃｙ邐Ｉ邋１邋Ｒｓｓｔ邋Ｏｆ邋Ｆｕｎ＾ｙＣｕＨｔｙ邋Ｄｏｎ邋Ｃｏｍｐｉｌａｔｉｏｎ邋２０邋＞４逡逑如瓶？邋Ｉｒ邋＊＃５＾邐／邐１逡逑ｖＶ＜－，ｃ，＇，＜ｓ！邋４＇：

其中是圖像Ｉ的Ｋ近鄰集合。這樣兩幅圖像而和ｈ？具有／Ｃ－ＮＲ相關(guān)性逡逑便可以表示為Ｏｒ，，＃邋ｅ邋Ａ＾ｋ。逡逑與查詢圖像具有ＮＲ相關(guān)性的圖像是正確結(jié)果的可能性會更高。在圖３．１中逡逑我們列舉了一個圖像具有ＮＲ相關(guān)性的例子。我們首先展示了位于一幅查詢圖像逡逑的搜索結(jié)果中前８個位置的圖像。之后對于這８幅圖像，我們將它們在同一數(shù)據(jù)逡逑庫中的８近鄰圖像羅列在它們的下方。我們觀察到查詢圖像出現(xiàn)在一些被檢索圖逡逑像的８近鄰中，也就是說這些圖像是查詢圖像的可逆８近鄰即它們與查詢圖像逡逑８－ＮＲ相關(guān)。同時從圖３．１可以看出這些圖像恰好是正確的查詢結(jié)果。這個例子表逡逑明具有ＮＲ相關(guān)性的兩張圖像比沒有ＮＲ相關(guān)性的兩張圖像更加相關(guān)。逡逑一些現(xiàn)有的方法［１１２－１１４］己經(jīng)成功利用ＮＲ相關(guān)性來提高搜索準(zhǔn)確率。這些方逡逑法會去修正數(shù)據(jù)庫中每一對圖像間的距離。在訓(xùn)練階段結(jié)束后，每一幅圖像和它逡逑的ＮＲ相關(guān)圖像之間的距離將會變小，而與非ＮＲ相關(guān)圖像的距離將會變大。對逡逑于一幅查詢圖像，由于與它關(guān)聯(lián)的圖像很大概率與它ＮＲ相關(guān)因此它們之間的距逡逑離會被縮小從而這些圖像會更有機會排在檢索結(jié)果的前列。通過這種方式，搜索逡逑精度會被顯著地提高。然而，這些方法需要為每個數(shù)據(jù)庫圖像計算一個權(quán)重系數(shù)，逡逑因此當(dāng)處理海量數(shù)據(jù)時這些方法將會產(chǎn)生巨大的計算成本。為了解決這個問題

■纛逡逑巍冒必曬W■＿瓤逡逑圖３．１圖像近鄰可逆相關(guān)的例子逡逑Ｆｉｇｕｒｅ邋３．１邋Ｅｘａｍｐｌｅｓ邋ｏｆ邋ｔｈｅ邋ｎｅｉｇｈｂｏｒ－ｒｅｖｅｒｓｉｂｉｌｉｔｙ邋ｃｏｒｒｅｌａｔｉｏｎ．逡逑其中是圖像Ｉ的Ｋ近鄰集合。這樣兩幅圖像而和ｈ？具有／Ｃ－ＮＲ相關(guān)性逡逑便可以表示為Ｏｒ，，＃邋ｅ邋Ａ＾ｋ。逡逑與查詢圖像具有ＮＲ相關(guān)性的圖像是正確結(jié)果的可能性會更高。在圖３．１中逡逑我們列舉了一個圖像具有ＮＲ相關(guān)性的例子。我們首先展示了位于一幅查詢圖像逡逑的搜索結(jié)果中前８個位置的圖像。之后對于這８幅圖像，我們將它們在同一數(shù)據(jù)逡逑庫中的８近鄰圖像羅列在它們的下方。我們觀察到查詢圖像出現(xiàn)在一些被檢索圖逡逑像的８近鄰中，也就是說這些圖像是查詢圖像的可逆８近鄰即它們與查詢圖像逡逑８－ＮＲ相關(guān)。同時從圖３．１可以看出這些圖像恰好是正確的查詢結(jié)果。這個例子表逡逑明具有ＮＲ相關(guān)性的兩張圖像比沒有ＮＲ相關(guān)性的兩張圖像更加相關(guān)。逡逑一些現(xiàn)有的方法［１１２－１１４］己經(jīng)成功利用ＮＲ相關(guān)性來提高搜索準(zhǔn)確率。這些方逡逑法會去修正數(shù)據(jù)庫中每一對圖像間的距離。在訓(xùn)練階段結(jié)束后，每一幅圖像和它逡逑的ＮＲ相關(guān)圖像之間的距離將會變小，而與非ＮＲ相關(guān)圖像的距離將會變大。對逡逑于一幅查詢圖像，由于與它關(guān)聯(lián)的圖像很大概率與它ＮＲ相關(guān)因此它們之間的距逡逑離會被縮小從而這些圖像會更有機會排在檢索結(jié)果的前列。通過這種方式，搜索逡逑精度會被顯著地提高。然而

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳濤;;基于多示例學(xué)習(xí)的圖像檢索方法[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2019年04期

2 樂藝;;基于機器學(xué)習(xí)的大規(guī)模船舶圖像檢索機制[J];艦船科學(xué)技術(shù);2019年18期

3 方恩亮;細(xì)胞分裂方式圖像檢索[J];中學(xué)生物教學(xué);1996年02期

4 冀振燕;姚偉娜;皮懷雨;;個性化圖像檢索和推薦[J];北京郵電大學(xué)學(xué)報;2017年03期

5 何巖;;以計算機為基礎(chǔ)的色彩圖像檢索方法與研究[J];計算機光盤軟件與應(yīng)用;2013年12期

6 陳雅芳;;基于顏色特征與紋理特征的圖像檢索[J];硅谷;2012年06期

7 張麗麗;劉昌余;;基于盲取證的醫(yī)學(xué)圖像檢索及語義表達(dá)研究綜述[J];電腦知識與技術(shù);2012年22期

8 曹梅;;網(wǎng)絡(luò)圖像檢索行為與心理研究[J];中國圖書館學(xué)報;2011年05期

9 崔文成;邵虹;;基于遺傳算法的圖像檢索中特征權(quán)重自動調(diào)整[J];計算機工程與應(yīng)用;2008年02期

10 聶桂軍;周源;;圖像檢索研究進(jìn)展[J];南京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報;2008年02期

相關(guān)會議論文 前10條

1 陳世亮;李戰(zhàn)懷;閆劍鋒;;一種基于本體描述的空間語義圖像檢索方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

2 王晗;滕鵬;梁瑋;;使用稠密興趣點包的非對稱風(fēng)景圖像檢索[A];第七屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【poster】[C];2011年

3 許天兵;;一種基于語義分類的圖像檢索方法[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

4 周向東;張亮;張琪;劉莉;殷慷;施伯樂;;一種新的圖像檢索相關(guān)反饋方法[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2002年

5 李凌偉;周榮貴;劉怡;;基于概念的圖像檢索方法[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2002年

6 朱遠(yuǎn)清;李才偉;;一種基于前景與背景劃分的區(qū)域圖像檢索方法及實現(xiàn)[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 彭瑜;喬奇峰;魏昆娟;;基于多示例學(xué)習(xí)的圖像檢索方法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

8 胡敬;武港山;;基于語義特征的風(fēng)景圖像檢索[A];2009年研究生學(xué)術(shù)交流會通信與信息技術(shù)論文集[C];2009年

9 王云鶴;史淼晶;許超;;基于流形聚類的圖像檢索方法[A];第七屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議會刊[C];2013年

10 張世佳;黃鑫;王衡;汪國平;;一種基于綜合區(qū)域比較的圖像檢索方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

相關(guān)重要報紙文章 前1條

1 ;圖像檢索新技術(shù)[N];中國知識產(chǎn)權(quán)報;2000年

相關(guān)博士學(xué)位論文 前10條

1 李瑩;圖像檢索中的特征表達(dá)與排序研究[D];大連理工大學(xué);2019年

2 周菊香;圖像檢索中的特征表達(dá)和相似性度量方法研究[D];大連理工大學(xué);2019年

3 劉若愚;圖像檢索中的特征學(xué)習(xí)和索引技術(shù)研究[D];北京交通大學(xué);2019年

4 田星;動態(tài)環(huán)境下的圖像檢索問題研究[D];華南理工大學(xué);2019年

5 周容;基于輪廓的圖像檢索研究[D];上海交通大學(xué);2016年

6 于來行;基于視覺注意模型的圖像檢索方法研究[D];大連理工大學(xué);2018年

7 蘇雯;語義分割及其在圖像檢索中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2018年

8 張憲林;基于草圖的圖像檢索關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2019年

9 李珂;基于草圖的精細(xì)圖像檢索[D];北京郵電大學(xué);2019年

10 蘇琨;手指靜脈圖像檢索與融合識別方法研究[D];山東大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 王一霄;基于深度學(xué)習(xí)的圖像檢索研究[D];電子科技大學(xué);2019年

2 王培雷;基于殘差網(wǎng)絡(luò)的多標(biāo)簽圖像檢索方法研究[D];桂林電子科技大學(xué);2019年

3 王娟;基于社會化標(biāo)簽和顯著性區(qū)域的深度學(xué)習(xí)圖像檢索方法[D];西北大學(xué);2019年

4 趙恒川;基于語義的交互式圖像檢索[D];電子科技大學(xué);2019年

5 艾妮;圖像檢索中局部特征聚合的研究[D];吉林大學(xué);2019年

6 苗壯;熵在圖像檢索領(lǐng)域的應(yīng)用算法研究[D];吉林大學(xué);2019年

7 郭慧俐;面向區(qū)域表達(dá)的實例檢索方法研究[D];吉林大學(xué);2019年

8 杜安鈺;基于隱私保護的多特征圖像檢索算法研究[D];新疆大學(xué);2019年

9 陳建華;基于多特征融合與LSH的密文圖像檢索研究[D];中南林業(yè)科技大學(xué);2019年

10 呂明;基于多特征編碼的圖像檢索[D];河南大學(xué);2019年

本文編號：2744539