本文關(guān)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(wǎng)絡(luò)技術(shù)的飛速發(fā)展,數(shù)字圖像的種類和數(shù)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(jié)果呈現(xiàn)給用戶,是圖像檢索領(lǐng)域研究的熱點問題之一。目前圖像檢索領(lǐng)域中普遍使用的一種方式是基于內(nèi)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(jié)果。所以,排序算法的性能對于CBIR技術(shù)的性能起著至關(guān)重要的作用。隨著搜索引擎檢索性能的提高,目前大多數(shù)的排序算法主要基于圖像之間的相似度對圖像進(jìn)行重排序,即將與查詢圖像最相似的圖像呈現(xiàn)在結(jié)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(jié)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。基于Visual 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(jìn)的圖像相關(guān)性重排序算法。Visual Rank算法中提取圖像的尺度不變特征轉(zhuǎn)換(Scale Invariant Feature Transform,SIFT),在這個過程中需要提取大量的關(guān)鍵點,這造成了計算量大及計算復(fù)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(jìn)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(jìn)行重排序,最后將結(jié)果呈現(xiàn)給用戶。實驗結(jié)果表明,本論文的排序算法得到的排序結(jié)果具有較高的相關(guān)性,而且計算復(fù)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(jìn)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(jìn)行聚類,之后每一類中,對圖像進(jìn)行排序,將最后的結(jié)果以分類的方式呈現(xiàn)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(jìn)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(jié)合的聚類算法進(jìn)行聚類,之后按照Page Rank算法思想對圖像進(jìn)行重排序,將結(jié)果呈現(xiàn)給用戶。實驗中將本論文中的算法與其他算法進(jìn)行比較,實驗結(jié)果表明,本論文算法在時間復(fù)雜度和結(jié)果相關(guān)度上均可達(dá)到較為理想的效果。
【關(guān)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(xué)位授予單位】：河南大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(xiàn)狀12-13
• 1.3 本論文的主要工作及結(jié)構(gòu)安排13-16
• 第二章 基本理論16-28
• 2.1 重排序算法的主要內(nèi)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(jī)器學(xué)習(xí)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(jié)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(biāo)32-33
• 3.2.1 評價指標(biāo)AP32
• 3.2.2 評價指標(biāo)MAP32-33
• 3.2.3 評價指標(biāo)P@n33
• 3.2.4 評價指標(biāo)NDCG33
• 3.3 實驗結(jié)果及分析33-39
• 3.4 本章小結(jié)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(jìn)的MULTICLASS VISUALRANK算法42-46
• 4.1.1 Mean Shift與Ncuts結(jié)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(jìn)的Multiclass Visual Rank算法44-46
• 4.2 評價排序的性能指標(biāo)46-47
• 4.3 實驗結(jié)果及分析47-55
• 4.4 本章小結(jié)55-56
• 總結(jié)與展望56-58
• 參考文獻(xiàn)58-62
• 致謝62-63
• 攻讀碩士學(xué)位期間撰寫的學(xué)術(shù)論文63
• 攻讀碩士學(xué)位期間參與的科研項目63-64

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)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(xué);2011年10期

2 何巖;;以計算機(jī)為基礎(chǔ)的色彩圖像檢索方法與研究[J];計算機(jī)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(jī)與現(xiàn)代化;2013年12期

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

6 鄧誠強(qiáng),馮剛;基于內(nèi)容的多特征綜合圖像檢索[J];計算機(jī)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(jìn)化加速技術(shù)在圖像檢索中的應(yīng)用[J];計算機(jī)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(jìn)展研究[J];計算機(jī)應(yīng)用研究;2005年09期

中國重要會議論文全文數(shù)據(jù)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(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(jī)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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 崔超然;圖像檢索中自動標(biāo)注、標(biāo)簽處理和重排序問題的研究[D];山東大學(xué);2015年

2 楊迪;基于內(nèi)容的分布式圖像檢索[D];北京郵電大學(xué);2015年

3 張旭;網(wǎng)絡(luò)圖像檢索關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2014年

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

5 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

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

7 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

8 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

9 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

10 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

中國碩士學(xué)位論文全文數(shù)據(jù)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(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(jìn)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(jìn)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(jìn)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(jìn)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(qiáng);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

  本文關(guān)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