本文選題：圖像檢索　切入點：聚類　出處：《復(fù)旦大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展,多媒體技術(shù)(圖像、視頻、音頻等)在互聯(lián)網(wǎng)中的廣泛應(yīng)用。近些年來,數(shù)字化圖像網(wǎng)絡(luò)資源呈指數(shù)級增長。社交網(wǎng)絡(luò)的出現(xiàn),如Facebook, Flickr, Twitter, Instagram, Whatsapp,人人網(wǎng),微博,微信等,更加推動了這一過程的大眾化。用戶在這個過程中扮演著兩種角色,一種是多媒體資源的提供者,另一種是多媒體資源的消費者。用戶通過互聯(lián)網(wǎng)獲取自己想要的多媒體資源。在這個過程中,檢索技術(shù)的出現(xiàn)提高了用戶獲得資源的效率。對圖像檢索來說,用戶如何快速并準確地檢索到自己想要的圖像。這個課題成為近些年研究者們關(guān)切的熱點話題。但是,對于圖像搜索引擎返回給用戶的圖像當中,其中有部分并不是用戶期望的圖像。本文基于這個出發(fā)點,對搜索引擎返回給用戶的圖像進行重新排序。我們期望通過自己提出的方法,將盡可能多的與用戶期望的圖像置于重排序列表的前部。最后,將重排序好新的圖像列表返回給用戶,從而提高檢索結(jié)果的相關(guān)度和用戶體驗。本文主要做了以下幾個方面的研究工作：首先,我們對圖像檢索重排序進行了定義。并給出了與之相關(guān)的圖像處理基礎(chǔ)知識,對圖像的視覺特征也進行了簡單的介紹。同時,對最近幾年出現(xiàn)的圖像檢索重排序算法進行了系統(tǒng)的歸類。其次,我們提出了一種自適應(yīng)選擇的圖像檢索重排序方法,對不同類別的圖像分別采用不同的圖像視覺特征進行重排序。這個過程中,我們采用了圖像的各種特征,如顏色,紋理,及局部SIFT特征。這種方法得到了比圖像檢索更好的效果。再次,我們提出了一種用于圖像檢索重排序的概念模型。該方法采用初始檢索列表中前N幅圖像對檢索關(guān)鍵字(概念)進行建模,然后運用概念模型對圖像檢索進行重排序。在這個過程中我們采用了圖像的局部SIFT特征。在概念建模階段,我們采用了增量式學(xué)習(xí)方法。這個方法也得到了比僅通過分類和聚類方法更好的結(jié)果。最后,我們對本方進行了簡單的總結(jié),并對將來進一步研究工作做了展望。
[Abstract]:With the development of the Internet, multimedia technology (image, video, audio etc.) is widely used in the Internet. In recent years, digital image network resources have increased exponentially. Social networks, such as Facebook, Flickr, Twitter, Instagram. Whatsapp. Weibo, WeChat, etc., have further promoted the popularity of this process. Users play two roles in this process, one is the provider of multimedia resources, The other is the consumers of multimedia resources. Users obtain the multimedia resources they want through the Internet. In this process, the appearance of retrieval technology improves the efficiency of obtaining resources. How to retrieve the image users want quickly and accurately has become a hot topic for researchers in recent years. However, for the images returned to users by image search engines, Based on this, we reorder the images returned by the search engine to the user. Put as many images as you want in front of the reorder list. Finally, the reordered new image list is returned to the user. In order to improve the relevance of retrieval results and user experience, this paper mainly does the following research work: firstly, we define the image retrieval reordering, and give the basic knowledge of image processing. The visual features of images are also introduced briefly. At the same time, the image retrieval reordering algorithms that have appeared in recent years are systematically classified. Secondly, we propose a self-adaptive image retrieval reorder method. Different types of images are reordered with different visual features. In this process, we use various features of the image, such as color, texture, And local SIFT features. This method has better results than image retrieval. Again, We propose a conceptual model for image retrieval reordering, in which the first N images in the initial retrieval list are used to model the retrieval keywords (concepts). Then we use the concept model to reorder the image retrieval. In this process, we adopt the local SIFT feature of the image. We adopt the incremental learning method, which is better than the classification and clustering methods. Finally, we summarize this method briefly and make a prospect for the future research work.
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 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(xué);2011年10期

2 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

3 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

4 柏正堯,周紀勤;基于復(fù)數(shù)矩不變性的圖像檢索方法研究[J];計算機應(yīng)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(yīng)用研究;2002年11期

6 鄧誠強,馮剛;基于內(nèi)容的多特征綜合圖像檢索[J];計算機應(yīng)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(shù)通訊;2003年05期

8 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(xué)學(xué)報(自然科學(xué)版);2003年02期

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

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

相關(guān)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(xué)會第九屆青年學(xué)術(shù)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(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

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(xué)術(shù)會議論文集（技術(shù)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(shù)及其應(yīng)用學(xué)術(shù)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(xué)術(shù)大會湖南省計算機學(xué)會第十一屆學(xué)術(shù)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(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2002年

7 楊關(guān)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(xué)術(shù)會議論文集[C];2003年

8 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

9 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

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(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

相關(guān)博士學(xué)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(xué);2015年

2 李展;基于多示例學(xué)習(xí)的圖像檢索與推薦相關(guān)算法研究[D];西北大學(xué);2012年

3 郭麗;基于內(nèi)容的商標圖像檢索研究[D];南京理工大學(xué);2003年

4 邵虹;基于內(nèi)容的醫(yī)學(xué)圖像檢索關(guān)鍵技術(shù)研究[D];東北大學(xué);2005年

5 韋娜;基于內(nèi)容圖像檢索關(guān)鍵技術(shù)研究[D];西北大學(xué);2006年

6 梁洪;基于內(nèi)容的醫(yī)學(xué)圖像檢索及語義建模關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

7 譚立球;基于本體的圖像檢索相關(guān)技術(shù)研究[D];中南大學(xué);2009年

8 劉為;基于內(nèi)容圖像檢索關(guān)鍵技術(shù)的研究[D];吉林大學(xué);2010年

9 齊恒;基于內(nèi)容圖像檢索的關(guān)鍵技術(shù)研究[D];大連理工大學(xué);2012年

10 楊同峰;基于空間關(guān)系的圖像檢索與分類研究[D];山東大學(xué);2013年

相關(guān)碩士學(xué)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(xué);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(xué);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(xué);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(xué);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(xué);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(xué);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(xué);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(xué);2015年

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

10 蔣國寶;基于內(nèi)容的概念建模和圖像檢索重排序[D];復(fù)旦大學(xué);2014年

，

本文編號：1596400