本文關鍵詞：圖像檢索中的重排序算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著多媒體及網絡技術的飛速發(fā)展,數字圖像的種類和數量都在與日俱增。如何從這些龐大的圖像集中迅速且精確地檢索出用戶所需要的圖像信息,并以一定的排序方式將檢索結果呈現給用戶,是圖像檢索領域研究的熱點問題之一。目前圖像檢索領域中普遍使用的一種方式是基于內容的圖像檢索(Content-Based Image Retrieval,CBIR)。然而,在CBIR的各個組成部分中,排序算法直接決定了用戶看到的檢索結果。所以,排序算法的性能對于CBIR技術的性能起著至關重要的作用。隨著搜索引擎檢索性能的提高,目前大多數的排序算法主要基于圖像之間的相似度對圖像進行重排序,即將與查詢圖像最相似的圖像呈現在結果列表的最前面,比如Visual Rank算法。但是這樣的重排序方式并沒有考慮到檢索結果的多樣性,所以基于多樣性的重排序算法隨之提出,比如Multiclass Visual Rank算法�；赩isual Rank算法和Multiclass Visual Rank算法,本論文做了以下工作:1.基于Visual Rank算法,本論文提出一種改進的圖像相關性重排序算法。Visual Rank算法中提取圖像的尺度不變特征轉換(Scale Invariant Feature Transform,SIFT),在這個過程中需要提取大量的關鍵點,這造成了計算量大及計算復雜度高等缺點。本論文首先通過提取圖像的空間金字塔匹配(Spatial Pyramid Matching,SPM)特征改進了Visual Rank算法中的SIFT特征,然后按照Page Rank算法的思想對圖像進行重排序,最后將結果呈現給用戶。實驗結果表明,本論文的排序算法得到的排序結果具有較高的相關性,而且計算復雜度較低,更加符合用戶的需求。2.基于Multiclass Visual Rank算法,本論文提出一種改進的圖像多樣性重排序算法。Multiclass Visual Rank算法首先提取圖像的SIFT特征,然后用規(guī)范割(Normalized Cuts,Ncuts)聚類算法對圖像庫中的圖像進行聚類,之后每一類中,對圖像進行排序,將最后的結果以分類的方式呈現給用戶。但規(guī)范割算法是基于圖像中每個像素點對圖像進行聚類的,故計算量比較大,不利于實時圖像處理�；谶@些問題,本論文運用均值漂移與規(guī)范割結合的聚類算法進行聚類,之后按照Page Rank算法思想對圖像進行重排序,將結果呈現給用戶。實驗中將本論文中的算法與其他算法進行比較,實驗結果表明,本論文算法在時間復雜度和結果相關度上均可達到較為理想的效果。
【關鍵詞】：圖像檢索 重排序 VisualRank 空間金字塔匹配模型 Multiclass VisualRank 聚類算法
【學位授予單位】：河南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 研究背景和意義10-12
• 1.2 重排序算法的研究現狀12-13
• 1.3 本論文的主要工作及結構安排13-16
• 第二章 基本理論16-28
• 2.1 重排序算法的主要內容及其分類16-24
• 2.1.1 基于鏈接分析的重排序算法16-22
• 2.1.2 基于機器學習的重排序算法22-24
• 2.2 譜聚類算法24-26
• 2.2.1 譜聚類算法的背景及框架24
• 2.2.2 常用的譜聚類算法24-26
• 2.3 本章小結26-28
• 第三章 基于VISUALRANK的圖像相似性重排序算法28-42
• 3.1 基于VISUALRANK的圖像相似性重排序算法28-32
• 3.1.1 Visual Rank算法的一般框架29
• 3.1.2 SPM的基本理論29-31
• 3.1.3 基于Visual Rank的圖像相似性重排序算法31-32
• 3.2 評價排序的性能指標32-33
• 3.2.1 評價指標AP32
• 3.2.2 評價指標MAP32-33
• 3.2.3 評價指標P@n33
• 3.2.4 評價指標NDCG33
• 3.3 實驗結果及分析33-39
• 3.4 本章小結39-42
• 第四章 基于MULTICLASS VISUALRANK的圖像多樣性重排序算法42-56
• 4.1 改進的MULTICLASS VISUALRANK算法42-46
• 4.1.1 Mean Shift與Ncuts結合的聚類算法43-44
• 4.1.2 Multiclass Visual Rank算法的一般框架44
• 4.1.3 改進的Multiclass Visual Rank算法44-46
• 4.2 評價排序的性能指標46-47
• 4.3 實驗結果及分析47-55
• 4.4 本章小結55-56
• 總結與展望56-58
• 參考文獻58-62
• 致謝62-63
• 攻讀碩士學位期間撰寫的學術論文63
• 攻讀碩士學位期間參與的科研項目63-64

【相似文獻】

中國期刊全文數據庫 前10條

1 韓法旺;;基于云計算模式的圖像檢索研究[J];情報科學;2011年10期

2 何巖;;以計算機為基礎的色彩圖像檢索方法與研究[J];計算機光盤軟件與應用;2013年12期

3 郭海鳳;李廣水;仇彬任;;基于融合多特征的社會網上圖像檢索方法[J];計算機與現代化;2013年12期

4 柏正堯,周紀勤;基于復數矩不變性的圖像檢索方法研究[J];計算機應用;2000年10期

5 夏峰,張文龍;一種圖像檢索的新方法[J];計算機應用研究;2002年11期

6 鄧誠強,馮剛;基于內容的多特征綜合圖像檢索[J];計算機應用;2003年07期

7 斯白露,高文,盧漢清,曾煒,段立娟;基于感興趣區(qū)域的圖像檢索方法[J];高技術通訊;2003年05期

8 劉怡,于沛;基于“知網”的新聞圖像檢索方法[J];河南師范大學學報(自然科學版);2003年02期

9 張榮,鄭浩然,李金龍,王煦法;進化加速技術在圖像檢索中的應用[J];計算機工程與應用;2004年16期

10 黃德才,胡嘉,鄭月鋒;交互式圖像檢索中相關反饋進展研究[J];計算機應用研究;2005年09期

中國重要會議論文全文數據庫 前10條

1 陳旭文;朱紅麗;;一種高效的圖像檢索方法[A];中國儀器儀表學會第九屆青年學術會議論文集[C];2007年

2 周向東;張亮;張琪;劉莉;殷慷;施伯樂;;一種新的圖像檢索相關反饋方法[A];第十九屆全國數據庫學術會議論文集（研究報告篇）[C];2002年

3 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];第二十一屆中國數據庫學術會議論文集（技術報告篇）[C];2004年

4 趙海英;彭宏;;基于最優(yōu)近似反饋的圖像檢索[A];’2004系統(tǒng)仿真技術及其應用學術交流會論文集[C];2004年

5 許相莉;張利彪;于哲舟;周春光;;基于商空間粒度計算的圖像檢索[A];第八屆全國信息隱藏與多媒體安全學術大會湖南省計算機學會第十一屆學術年會論文集[C];2009年

6 李凌偉;周榮貴;劉怡;;基于概念的圖像檢索方法[A];第十九屆全國數據庫學術會議論文集（技術報告篇）[C];2002年

7 楊關良;李忠杰;徐小杰;;基于代表色的圖像檢索方法研究[A];首屆信息獲取與處理學術會議論文集[C];2003年

8 彭瑜;喬奇峰;魏昆娟;;基于多示例學習的圖像檢索方法[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

9 胡敬;武港山;;基于語義特征的風景圖像檢索[A];2009年研究生學術交流會通信與信息技術論文集[C];2009年

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

中國博士學位論文全文數據庫 前10條

1 崔超然;圖像檢索中自動標注、標簽處理和重排序問題的研究[D];山東大學;2015年

2 楊迪;基于內容的分布式圖像檢索[D];北京郵電大學;2015年

3 張旭;網絡圖像檢索關鍵技術研究[D];西安電子科技大學;2014年

4 吳夢麟;基于半監(jiān)督學習的醫(yī)學圖像檢索研究[D];南京理工大學;2015年

5 李展;基于多示例學習的圖像檢索與推薦相關算法研究[D];西北大學;2012年

6 郭麗;基于內容的商標圖像檢索研究[D];南京理工大學;2003年

7 邵虹;基于內容的醫(yī)學圖像檢索關鍵技術研究[D];東北大學;2005年

8 韋娜;基于內容圖像檢索關鍵技術研究[D];西北大學;2006年

9 梁洪;基于內容的醫(yī)學圖像檢索及語義建模關鍵技術研究[D];哈爾濱工程大學;2010年

10 譚立球;基于本體的圖像檢索相關技術研究[D];中南大學;2009年

中國碩士學位論文全文數據庫 前10條

1 趙鴻;基于尺度不變局部特征的圖像檢索研究[D];華南理工大學;2015年

2 孫劍飛;基于圖像索引的熱點話題檢索方法研究[D];蘭州大學;2015年

3 章進洲;圖像檢索中的用戶意圖分析[D];南京理工大學;2015年

4 苗思楊;移動圖像檢索中的漸進式傳輸方式研究[D];大連海事大學;2015年

5 都業(yè)剛;基于顯著性的移動圖像檢索[D];大連海事大學;2015年

6 王夢蕾;基于用戶反饋和改進詞袋模型的圖像檢索[D];南京理工大學;2015年

7 許鵬飛;基于草圖的海量圖像檢索方法研究[D];浙江大學;2015年

8 馮進麗;基于BoF的圖像檢索與行為識別研究[D];山西大學;2015年

9 喬維強;基于低級特征和語義特征的醫(yī)學圖像檢索[D];北京理工大學;2015年

10 蔣國寶;基于內容的概念建模和圖像檢索重排序[D];復旦大學;2014年

  本文關鍵詞：圖像檢索中的重排序算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：328964