本文關鍵詞：基于內容的圖像檢索與推薦技術研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：數(shù)碼圖像采集設備和互聯(lián)網技術的快速發(fā)展,使得互聯(lián)網中的圖像以幾何級的速度增長,用戶在互圖像海洋中尋找自己需要的內容越來越困難。因此,利用計算機提取圖像的視覺內容并組織圖像、同時提高圖像檢索和推薦的效率已經成為計算機視覺領域的一個研究熱點。 本文探索研究基于機器學習的圖像檢索和推薦相關的理論及技術,包括：圖像特征的提取與組合、相似度度量、基于核方法的圖像聚類、推薦圖像的篩選、大規(guī)模圖像高效顯示與互動等,最終構建大規(guī)模圖像檢索與推薦系統(tǒng)。本文的主要工作和創(chuàng)新如下： (1)為準確度量圖像內容相似度,提出一種基于多核距離的圖像相似度組合度量方法。在提取全局和局部特征的基礎上,分別構建了顏色直方圖、灰度共生紋理特征、Gabor紋理特征以及SIFT關鍵點特征的核距離相似度矩陣,并構建成全面度量圖像內容的相似度矩陣。 (2)針對大規(guī)模圖像數(shù)據庫在特征空間上線性可分性差及聚類性能嚴重依賴初始類中心的問題,提出一種改善初始聚類中心的核K均值聚類算法。首先將圖像特征映射到高維核空間,然后提出基于樣本合并的初始樣本選擇算法,最終在高維核空間使用K均值算法將圖像聚類。實驗結果表明本文提出的改進算法相比已有的基于核的K均值算法提高了將近1%的分類準確率。 (3)針對圖像庫中圖像數(shù)量太多,全部顯示困難的問題,本文設計了一種分層顯示大規(guī)模圖像的方法。先在各類圖像中選取典型圖像進行推薦,再根據用戶對典型圖像的選擇實現(xiàn)圖像庫的過濾與檢索。統(tǒng)計結果顯示,本文方法縮短了用戶檢索圖像的時間。 (4)為解決大規(guī)模的圖像數(shù)據的二維可視化問題,提出基于相似度保持投影和hyperbolic坐標變換的大規(guī)模圖像可視化算法。首先使用基于核的PCA和MDS獲取圖像在二維空間的投影點,并利用hyperbolic變換方式將投影點進行再次變換,相比于現(xiàn)有的可視化方法,本文方法更加符合用戶對顯示結果的需求。 (5)提出了一種新的基于特征方差的相關反饋框架,在用戶標注圖像滿意或不滿意后,通過計算不同特征的方差來判斷用戶的喜好,并根據特征方差調整相似度度量矩陣的組合系數(shù)。實驗結果表明,本文方法提高了檢索的準確率。 (6)設計和實現(xiàn)了一個完整圖像檢索和推薦系統(tǒng)。系統(tǒng)包括大規(guī)模圖像庫的推薦、過濾、檢索等功能。相比于已有的檢索系統(tǒng),本系統(tǒng)在檢索速度、推薦圖像顯示方式等方面顯示出獨特的優(yōu)勢。
【關鍵詞】：圖像檢索 圖像推薦 基于核的聚類 相似度保持投影 相關反饋
【學位授予單位】：西北大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• Abstract5-7
• 目錄7-10
• 第一章 緒論10-23
• §1.1 基于內容的圖像檢索研究內容10-15
• 1.1.1 圖像檢索技術與分類10-13
• 1.1.2 圖像特征提取13-14
• 1.1.3 圖像相似度匹配14
• 1.1.4 相關反饋14
• 1.1.5 圖像檢索系統(tǒng)評價14-15
• §1.2 國內外研究現(xiàn)狀15-19
• §1.3 課題研究基礎19
• §1.4 本文主要工作及應用意義19-21
• §1.5 論文內容安排21-23
• 第二章 基于全局和局部特征的圖像相似度度量23-46
• §2.1 彩色直方圖特征提取23-26
• §2.2 灰度共生紋理特征提取26-28
• §2.3 Gabor紋理特征提取28-31
• §2.4 SIFT特征提取31-36
• §2.5 四種特征分類性能分析36-37
• §2.6 SVM與基于核的圖像相似度度量37-44
• 2.6.1 圖像相似度度量37-40
• 2.6.2 支持向量機(SVM)40-43
• 2.6.3 基于核的圖像相似度43-44
• §2.7 本章小結44-46
• 第三章 基于核的圖像聚類及典型圖像推薦46-59
• §3.1 基于核的K均值聚類及其改進46-53
• 3.1.1 聚類分析46-50
• 3.1.2 改進的基于核的K均值聚類(K-means聚類)50-52
• 3.1.3 實驗結果與分析52-53
• §3.2 典型圖像推薦53-58
• 3.2.1 推薦圖像數(shù)目確定54
• 3.2.2 基于最小均方誤差量化的推薦圖像選取54-57
• 3.2.3 實驗結果分析57-58
• §3.3 本章小結58-59
• 第四章 相似度保持的圖像投影與顯示技術59-75
• §4.1 特征降維技術60-61
• §4.2 基于核PCA的相似度保持投影61-64
• 4.2.1 主成分分析61-62
• 4.2.2 基于核的主成分分析(KPCA)62-64
• §4.3 基于核的MDS投影變換64-67
• §4.4 龐加萊圓盤模型67-70
• §4.5 hyperbolic技術圖像顯示70-74
• §4.6 本章小結74-75
• 第五章 相關反饋圖像檢索與推薦75-82
• §5.1 基于內容圖像檢索中相關反饋技術的必要性75-76
• §5.2 相關反饋技術及其分類76-77
• §5.3 基于權重調整相關反饋技術的圖像檢索與推薦77-79
• §5.4 實驗結果與分析79-81
• §5.5 本章小結81-82
• 第六章 圖像推薦與檢索系統(tǒng)的實現(xiàn)82-90
• §6.1 系統(tǒng)總體流程82-83
• §6.2 交互式圖像推薦與檢索83-88
• §6.3 檢索與推薦系統(tǒng)的性能分析88-89
• §6.4 本章小結89-90
• 第七章 總結與展望90-93
• §7.1 工作總結90-91
• §7.2 未來工作展望91-93
• 參考文獻93-101
• 攻讀博士學位期間取得的科研成果101-102
• 致謝102-103
• 作者簡介103

【參考文獻】

中國期刊全文數(shù)據庫 前10條

1 馮建輝;楊玉靜;;基于灰度共生矩陣提取紋理特征圖像的研究[J];北京測繪;2007年03期

2 周藝華;曹元大;魏本杰;張洪欣;;圖像檢索中基于記憶與半監(jiān)督的主動相關反饋算法[J];北京理工大學學報;2006年01期

3 薄華;馬縛龍;焦李成;;圖像紋理的灰度共生矩陣計算問題的分析[J];電子學報;2006年01期

4 劉倩;基于內容的圖像檢索中的相關反饋技術[J];華東交通大學學報;2003年04期

5 王濤,劉文印,孫家廣,張宏江;傅立葉描述子識別物體的形狀[J];計算機研究與發(fā)展;2002年12期

6 張磊 ,林福宗 ,張鈸;基于前向神經網絡的圖像檢索相關反饋算法設計[J];計算機學報;2002年07期

7 朱興全,張宏江,劉文印,吳立德;iFind:一個結合語義和視覺特征的圖像相關反饋檢索系統(tǒng)[J];計算機學報;2002年07期

8 宋楓溪,高秀梅,劉樹海,楊靜宇;統(tǒng)計模式識別中的維數(shù)削減與低損降維[J];計算機學報;2005年11期

9 吳洪;盧漢清;馬頌德;;基于內容圖像檢索中相關反饋技術的回顧[J];計算機學報;2005年12期

10 嚴華云;劉其平;肖良軍;;信息檢索中的相關反饋技術綜述[J];計算機應用研究;2009年01期

  本文關鍵詞：基于內容的圖像檢索與推薦技術研究，由筆耕文化傳播整理發(fā)布。

本文編號：302296