發(fā)布時(shí)間：2019-05-15 17:00

【摘要】：近些年來(lái)隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)上出現(xiàn)的數(shù)據(jù)呈現(xiàn)出爆炸式的增長(zhǎng)，特別是圖像數(shù)據(jù)。圖像具有直觀、生動(dòng)的特性，，且與人類生活息息相關(guān)，因此如何能夠準(zhǔn)確地獲取所需圖像信息是當(dāng)前多媒體搜索領(lǐng)域需要重點(diǎn)解決的問(wèn)題。目前主流的搜索引擎主要是依靠圖像的標(biāo)題、描述等元數(shù)據(jù)信息進(jìn)行基于文字信息的圖像搜索，并沒(méi)有利用圖像的視覺(jué)特性，因此搜索結(jié)果并不理想。為了使結(jié)果更加符合用戶的需求，圖像搜索重排序算法被提出應(yīng)用于圖像搜索領(lǐng)域。該技術(shù)是指在原始文本搜索的基礎(chǔ)之上，再次結(jié)合圖像本身的信息對(duì)原始的重排序結(jié)果進(jìn)行重新重排序，以提高用戶的搜索體驗(yàn)。 目前的大多工作圍繞圖像的相關(guān)性搜索重排序展開，對(duì)多樣性搜索重排序的研究較少。相關(guān)性重排序是指對(duì)于返回結(jié)果來(lái)說(shuō)，都是將相關(guān)的樣本排在結(jié)果集的前列，但是很少考慮樣本相互之間的聯(lián)系，而多樣性重排序是為了提高返回結(jié)果的多樣性，也就是覆蓋主題的多樣性，以降低相關(guān)重排序中帶來(lái)的信息冗余問(wèn)題。 本文主要利用隨機(jī)游走模型實(shí)現(xiàn)圖像搜索的多樣性重排序。具體工作如下： 1）實(shí)現(xiàn)了基于圖像的搜索相關(guān)性重排序算法，能夠使產(chǎn)生的結(jié)果按照相關(guān)性進(jìn)行重排序。 2）提出了基于DivRank算法的圖像多樣性重排序算法。DivRank是自定義的隨機(jī)游走模型，通過(guò)引入訪問(wèn)次數(shù)隨時(shí)間增長(zhǎng)的馬爾科夫數(shù)學(xué)模型來(lái)完成多樣性重排，能夠有效的降低搜索結(jié)果之間的冗余信息。為此，我們將其應(yīng)用于圖像領(lǐng)域并提出相應(yīng)的GDRID算法。 3）提出了基于DDRank的圖像多樣性重排序算法。DDRank是基于DivRank算法的改進(jìn)，它通過(guò)修改初始重排序的權(quán)值來(lái)降低DivRank所帶來(lái)的永久破壞原始信息網(wǎng)絡(luò)結(jié)構(gòu)的副作用，能夠在保證多樣性的基礎(chǔ)上兼顧相關(guān)性。為此，我們將其應(yīng)用在圖像領(lǐng)域并提出相應(yīng)的DIR算法。 通過(guò)在MSRA_V-1.0等數(shù)據(jù)庫(kù)上的大規(guī)模實(shí)驗(yàn)，表明所提GDRID和DIR算法能夠在有效保持圖像搜索相關(guān)性的前提下，提高多樣性性能。
[Abstract]:In recent years, with the development of the Internet, the data on the network presents explosive growth, especially image data. The image has the characteristics of being intuitive and vivid, and is closely related to human life, so how to accurately acquire the required image information is a problem that needs to be solved in the current multimedia search field. The present mainstream search engine mainly relies on the title, description and other metadata information of the image to carry out the image search based on the character information, and does not utilize the visual characteristic of the image, so the search result is not ideal. In order to make the results more consistent with the user's needs, the image search re-ordering algorithm is proposed to be applied in the field of image search. The technology is based on the original text search, and the original reordering result is re-ordered again in combination with the information of the image itself to improve the user's search experience. Most of the current work is about the relevance search and re-ordering of the images, and the research on the re-ordering of the diversity search Less. The relevance reordering means that for the return results, the relevant samples are at the top of the result set, but the contact between the samples is rarely taken into account, and the diversity reordering is to improve the diversity of the return results, that is, the diversity of the coverage topics Sex in order to reduce the information redundancy in the related re-ordering In this paper, the diversity of image search is realized by using random walk model. Reorder. Specific as follows:1) a search correlation re-ordering algorithm based on an image is realized, and the generated result can be matched with each other according to the correlation, The reordering is carried out.2) An image is proposed based on the DivRank algorithm. The sample reordering algorithm. DivRank is a self-defined random walk model, which can effectively reduce the search result by introducing the number of access times and the time-increasing Markov model to complete the diversity rearrangement. The redundant information between them. For this, we apply it to the image field and propose the appropriate The GDRID algorithm is presented in this paper. DRank is an improvement based on the DivRank algorithm, which can reduce the side effect of the original information network structure caused by DivRank by modifying the weight of the initial reordering, and can guarantee the diversity. On the basis of the correlation, we apply it in the image field and mention it The corresponding DIR algorithm is presented. The results show that the proposed GDRID and DIR algorithm can keep the image search correlation effectively by the large scale experiment on the database of MSRRA _ V-1.0
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP391.41

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓強(qiáng);;基于廣義Hough變換的手寫文檔整詞定位[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2011年05期

2 程剛;鄭小華;陽(yáng)鋒;徐祖艦;;三維全景視覺(jué)技術(shù)在農(nóng)業(yè)機(jī)器人中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2010年34期

3 何海燕;施培蓓;;基于改進(jìn)AdaBoost算法的行人檢測(cè)方法[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

4 吳慧蘭;劉國(guó)棟;劉炳國(guó);胡濤;浦昭邦;;ICF實(shí)驗(yàn)靶定位技術(shù)研究[J];半導(dǎo)體光電;2008年05期

5 陳京;袁保宗;劉渭濱;;多視點(diǎn)標(biāo)定圖像的交替迭代度量重建方法[J];北京交通大學(xué)學(xué)報(bào);2012年02期

6 周峰;劉輝;李超峰;;SIFT算法在圖像配準(zhǔn)中的應(yīng)用[J];辦公自動(dòng)化;2009年22期

7 劉彬;葉麗娜;;一種基于SIFT特征的序列圖像拼接算法[J];兵工自動(dòng)化;2009年06期

8 劉煥敏;王華;段慧芬;;一種改進(jìn)的SIFT雙向匹配算法[J];兵工自動(dòng)化;2009年06期

9 彭勃;周文暉;劉濟(jì)林;;基于Harris角點(diǎn)檢測(cè)的立體視覺(jué)里程計(jì)[J];兵工學(xué)報(bào);2007年12期

10 陳冰;趙亦工;李欣;;基于高斯尺度空間的末制導(dǎo)目標(biāo)跟蹤方法[J];兵工學(xué)報(bào);2009年05期

相關(guān)會(huì)議論文 前10條

1 劉善磊;張亮;;基于相位相關(guān)和SURF算法的關(guān)鍵幀實(shí)時(shí)匹配研究[A];江蘇省測(cè)繪學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

2 隋樹林;孫立宏;姚文龍;袁健;;融合改進(jìn)UKF/SIFT信息的自主光學(xué)導(dǎo)航方法[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

3 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

4 ;Loop-closing By Using SIFT Features for Mobile Robots[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

5 周凱;范瑞霞;李位星;;一種基于SIFT的MeanShift-粒子濾波融合跟蹤算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

6 ;Rapid Target Recognition and Tracking under Large Scale Variation Using Semi-Naive Bayesian[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

7 ;A High-level Image Sequence Fusion Algorithm for Human Detection[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

8 鄒麗暉;陳杰;張娟;竇麗華;;一種基于時(shí)空域流形的視頻序列圖像拼接算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

9 ;Machine Vision Based Flotation Froth Mobility Analysis[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

10 孫明竹;趙新;程小燕;孫程;盧桂章;;面向復(fù)雜作業(yè)的微操作機(jī)器人關(guān)鍵技術(shù)研究[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 王玉全;基于全景視覺(jué)的移動(dòng)機(jī)器人同時(shí)定位與地圖創(chuàng)建方法研究[D];哈爾濱工程大學(xué);2010年

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

3 任楨;圖像分類任務(wù)的關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

4 孔凡芝;引線鍵合視覺(jué)檢測(cè)關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2009年

5 王作為;具有認(rèn)知能力的智能機(jī)器人行為學(xué)習(xí)方法研究[D];哈爾濱工程大學(xué);2010年

6 肖潔;視覺(jué)注意模型及其在目標(biāo)感知中的應(yīng)用研究[D];華中科技大學(xué);2010年

7 朱清波;序列圖像三維重建方法研究[D];華中科技大學(xué);2010年

8 田文;多視圖圖像的快速三維場(chǎng)景重建[D];華中科技大學(xué);2010年

9 涂虬;智能視覺(jué)監(jiān)視中目標(biāo)檢測(cè)與跟蹤算法研究[D];華中科技大學(xué);2010年

10 章鵬;多尺度特征檢測(cè)：方法和應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 宋抗;壓縮機(jī)活塞圓度誤差數(shù)字檢測(cè)系統(tǒng)研究[D];河南理工大學(xué);2010年

2 陳忠翔;基于立體視覺(jué)的三維重建方法研究[D];南昌航空大學(xué);2010年

3 雒燕飛;地質(zhì)災(zāi)害應(yīng)急地理信息數(shù)據(jù)庫(kù)設(shè)計(jì)及其應(yīng)用[D];山東科技大學(xué);2010年

4 唐紅梅;基于輻射與空間信息的遙感圖像檢索[D];山東科技大學(xué);2010年

5 倪希亮;基于尺度不變特征的多源遙感影像配準(zhǔn)[D];山東科技大學(xué);2010年

6 賈偉潔;SAR影像與光學(xué)影像配準(zhǔn)研究[D];山東科技大學(xué);2010年

7 任天宇;自穩(wěn)定航拍系統(tǒng)算法與設(shè)計(jì)[D];長(zhǎng)春理工大學(xué);2010年

8 李躍;三維運(yùn)動(dòng)估計(jì)在織物動(dòng)態(tài)仿真中的應(yīng)用[D];浙江理工大學(xué);2010年

9 婁錚錚;sIB算法在圖像無(wú)監(jiān)督分類中的應(yīng)用研究[D];鄭州大學(xué);2010年

10 王博;全景視覺(jué)智能移動(dòng)機(jī)器人固有環(huán)境定位[D];哈爾濱工程大學(xué);2010年

本文編號(hào)：2477650