本文選題：基于內容的圖像檢索 + 相關反饋�。� 參考：《系統(tǒng)工程與電子技術》2017年10期

【摘要】：針對當前基于進化算法的相關反饋圖像檢索方法無法很好地結合用戶偏好信息和設置參數(shù)過多的問題,提出一種基于改進教與學優(yōu)化的相關反饋圖像檢索方法。根據(jù)圖像檢索問題的特定環(huán)境,對教與學優(yōu)化算法進行了一系列改進:首先,結合最近鄰分類法構造適應度函數(shù)的約束條件,使之更好地反映用戶偏好信息;其次,通過在教階段將相關圖像集的中心圖像作為教師以及在學階段將相關圖像作為學員學習的對象,使算法快速收斂到相關圖像區(qū)域;最后,結合約束處理技術Deb準則進行學員的選擇操作。將該算法與目前效果優(yōu)異的3種基于進化算法的相關反饋技術在兩套標準圖像測試集上進行對比。結果表明,所提算法相較于另外3種算法具有明顯的優(yōu)勢,能更好地結合用戶偏好信息提高圖像檢索性能。
[Abstract]:In order to solve the problem that the current relevance feedback image retrieval method based on evolutionary algorithm can not well combine user preference information and setting parameters, a new image retrieval method based on improved teaching and learning optimization is proposed. According to the specific environment of the image retrieval problem, a series of improvements are made to the teaching and learning optimization algorithm: firstly, combining with the nearest neighbor classification to construct the constraint condition of fitness function to better reflect the user preference information; secondly, By using the central image of the related image set as the teacher and the relevant image as the learning object in the learning stage, the algorithm converges quickly to the relevant image area. Combined with constraint processing technology Deb criteria for the selection of students. The proposed algorithm is compared with three evolutionary algorithm based correlation feedback techniques on two sets of standard image test sets. The results show that the proposed algorithm has obvious advantages over the other three algorithms, and it can improve the performance of image retrieval by combining user preference information better.
【作者單位】： 哈爾濱工程大學信息與通信工程學院;
【基金】：國家自然科學基金(61175126)資助課題
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 江士方,汪英姿;圖像及圖像檢索應用前景的探討[J];江蘇工業(yè)學院學報(社會科學版);2003年04期

2 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

3 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

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

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

6 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

7 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

8 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

9 劉怡,于沛;基于“知網(wǎng)”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

10 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

相關會議論文 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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(xiàn)實技術研討會（CVR’2001）論文集[C];2001年

相關博士學位論文 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(wǎng)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 高毫林;基于哈希技術的圖像檢索研究[D];解放軍信息工程大學;2014年

6 李清亮;圖像檢索中判別性增強研究[D];吉林大學;2016年

7 劉爽;多特征融合圖像檢索方法及其應用研究[D];哈爾濱理工大學;2016年

8 程航;密文JPEG圖像檢索研究[D];上海大學;2016年

9 李強;基于語義理解的圖像檢索研究[D];天津大學;2015年

10 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

相關碩士學位論文 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

，

本文編號：1874141