【摘要】：如今,移動(dòng)終端的普及為圖像獲取提供了極大便利,海量存儲(chǔ)空間與多樣化傳播途徑使圖像呈現(xiàn)爆炸性增長(zhǎng)。在大規(guī)模圖像庫(kù)中,如何通過自動(dòng)匹配,準(zhǔn)確地檢索目標(biāo)圖像,成為工業(yè)界和學(xué)術(shù)界共同關(guān)注的問題。本文針對(duì)圖像的深度卷積神經(jīng)網(wǎng)絡(luò)視覺表征、相似度匹配排序中存在的問題,主要圍繞三個(gè)方面開展了相關(guān)研究,創(chuàng)新成果如下:(1)針對(duì)預(yù)訓(xùn)練深度學(xué)習(xí)模型忽略幾何關(guān)系的問題,提出了深度特征的幾何信息增強(qiáng)算法。不同于以往的深度特征表達(dá),本文在密集采樣的圖像塊上提取深度特征,得到保留原圖空間關(guān)系的深度特征;利用這種幾何對(duì)應(yīng)關(guān)系,將深度特征的鄰接特征作為上下文信息,提出局部上下文聚合的幾何信息增強(qiáng)算法來豐富特征表達(dá)的內(nèi)容。為了強(qiáng)調(diào)關(guān)鍵幾何區(qū)域的特征,本文還進(jìn)一步提出了全局中心線加權(quán)的幾何信息增強(qiáng)算法,根據(jù)特征位置與中心線的距離為深度特征賦予不同的權(quán)重。實(shí)驗(yàn)結(jié)果表明,所提深度特征的幾何信息增強(qiáng)算法能增強(qiáng)特征鑒別力,提高圖像檢索準(zhǔn)確率。(2)針對(duì)單層深度特征對(duì)圖像描述局限性的問題,提出了多層特征融合的算法。現(xiàn)有的深度特征通常僅來自于卷積神經(jīng)網(wǎng)絡(luò)的某一層,為了充分利用圖像不同層次的特征表達(dá),本文利用多個(gè)碼本分別進(jìn)行特征量化,并結(jié)合漢明嵌入生成深度二值碼。所提多層特征融合算法不僅能實(shí)現(xiàn)多層深度特征的融合,還能將深度特征與傳統(tǒng)的SIFT特征相融合。此外,現(xiàn)有的特征融合算法往往沒有考慮圖像的個(gè)體差異,為了針對(duì)不同的查詢分別進(jìn)行特征融合,本文提出了局部相關(guān)的多特征關(guān)系圖融合算法。該算法通過度量多特征分片關(guān)系圖的一致性,可以自適應(yīng)地計(jì)算對(duì)圖像個(gè)體敏感的權(quán)重系數(shù),且與其他基于擴(kuò)散的圖融合算法相比速度更快。實(shí)驗(yàn)表明,本文所提的兩種融合算法均能夠?qū)崿F(xiàn)多特征的互補(bǔ)作用,有利于提高圖像檢索的性能。(3)針對(duì)圖像檢索匹配樣本不均衡影響排序準(zhǔn)確性的問題,提出了輔助點(diǎn)上下文建模的圖像重排序算法。特征映射可以將度量空間等距同構(gòu)地嵌入歐式空間,本文通過其反變換,實(shí)現(xiàn)在查詢圖像與其最近鄰之間插入輔助點(diǎn)。這些輔助點(diǎn)可以豐富匹配矩陣的信息,有利于重排序的準(zhǔn)確性。本文在插入輔助點(diǎn)的圖像度量空間,利用上下文度量對(duì)匹配結(jié)果進(jìn)行重排序。相比于成對(duì)的歐氏距離度量,基于杰卡德相似度的上下文度量能更深入地挖掘圖像在潛在流形上的相似關(guān)系。實(shí)驗(yàn)結(jié)果表明,增加輔助點(diǎn)后的重排序能夠提高檢索準(zhǔn)確度。
【圖文】：

加之圖像內(nèi)容的豐富性，使得圖像之間的辨別與匹配難度加大，這就對(duì)圖像檢索的匹配逡逑排序提出了更高的要求。逡逑本文的主要研究如圖１．３所示，針對(duì)預(yù)訓(xùn)練深度學(xué)習(xí)模型忽略幾何關(guān)系、圖像深度逡逑特征融合的局限性、圖像檢索匹配樣本不均衡影響排序準(zhǔn)確性等問題，開展了相關(guān)研究，逡逑包括：逡逑圖像檢索中的逡逑特征表達(dá)與排序研宄逡逑邐］邋［邐邋邐＾邋＾邋［邐逡逑預(yù)訓(xùn)練深度學(xué)習(xí)模型忽邐圖像深度特征融合邐匹配樣本不均衡影響排逡逑略幾何關(guān)系的解決方案邐局限性的解決方案邐序準(zhǔn)確性的解決方案逡逑邐邐邋廠邋人邐邐：：邐逡逑第２章邐第３章邐第４章邐第５章逡逑深度特征的邐局部相關(guān)的多特邐輔助點(diǎn)上下文建模逡逑幾何信息增強(qiáng)邐Ｈ邐征關(guān)系圖融合邐的圖像重排序逡逑圖１．３本文的組織結(jié)構(gòu)逡逑Ｆｉｇ．邋１．３邋Ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋ｔｈｉｓ邋ｄｉｓｓｅｒｔａｔｉｏｎ逡逑－１６－逡逑

因此，，本文提出了一種基于圖像規(guī)則采樣的局部深度特征。逡逑由于ＶＧＧ１６的輸入圖像尺寸要求是２２４ｘ２２４，以往的算法通常是將圖像縮放為逡逑２２４ｘ２２４的大小，然后將整幅圖像輸入網(wǎng)絡(luò)提取特征。圖２．２列出了來自不同圖像庫(kù)的逡逑一些例子，從圖中可以看出，數(shù)據(jù)庫(kù)中的圖像尺寸和比例均不相同，改變圖像比例會(huì)影逡逑響圖像檢索的效果。為了最大限度地保持圖像的視覺觀感，本章對(duì)圖像進(jìn)行縮放時(shí)保留逡逑原始的長(zhǎng)寬比（Ａｓｐｅｃｔ邋Ｒａｔｉｏ）。給定一幅圖像，尺寸為ＳｘＬ或ＬｘＳＵｓＬ）。首先將其統(tǒng)逡逑一縮放為短邊長(zhǎng)５且長(zhǎng)寬比不變的大小，縮放比例為ｒｚＷＳ，圖像的長(zhǎng)邊縮放為逡逑／邋＝邋ｒｘＬ。然后在圖像上以固定的步長(zhǎng)３２和大小為２２４ｘ２２４的滑動(dòng)窗口來密集采樣圖像逡逑塊，作為ＶＧＧ１６網(wǎng)絡(luò)的輸入。逡逑一W扁＿逡逑一＾基屻＃邋藤\l＿逡逑一邋ＥｉW＿W＿灥幽Ｉ逡逑圖２．２來自于三個(gè)常用圖像檢索數(shù)據(jù)庫(kù)的圖像樣本逡逑Ｆｉｇ．邋２．２邋Ｅｘａｍｐｌｅｓ邋ｆｒｏｍ邋ｔｈｒｅｅ邋ｐｏｐｕｌａｒ邋ｉｍａｇｅ邋ｒｅｔｒｉｅｖａｌ邋ｄａｔａｓｅｔｓ逡逑將網(wǎng)絡(luò)最后一層卷積層（Ｃｏｎｖ５）的輸出在每個(gè)通道（Ｃｈａｎｎｅｌ）上都分別進(jìn)行最大池化逡逑（ｍａｘ－ｐｏｏｌｉｎｇ），形成深度特征的每一維逡逑／４邋＝ｍａｘｇ，Ｊ＞Ｊｔ，邋１＜Ａ：＜５１２邐（２．１）逡逑其中
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳濤;;基于多示例學(xué)習(xí)的圖像檢索方法[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2019年04期

2 樂藝;;基于機(jī)器學(xué)習(xí)的大規(guī)模船舶圖像檢索機(jī)制[J];艦船科學(xué)技術(shù);2019年18期

3 方恩亮;細(xì)胞分裂方式圖像檢索[J];中學(xué)生物教學(xué);1996年02期

4 冀振燕;姚偉娜;皮懷雨;;個(gè)性化圖像檢索和推薦[J];北京郵電大學(xué)學(xué)報(bào);2017年03期

5 何巖;;以計(jì)算機(jī)為基礎(chǔ)的色彩圖像檢索方法與研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年12期

6 陳雅芳;;基于顏色特征與紋理特征的圖像檢索[J];硅谷;2012年06期

7 張麗麗;劉昌余;;基于盲取證的醫(yī)學(xué)圖像檢索及語(yǔ)義表達(dá)研究綜述[J];電腦知識(shí)與技術(shù);2012年22期

8 曹梅;;網(wǎng)絡(luò)圖像檢索行為與心理研究[J];中國(guó)圖書館學(xué)報(bào);2011年05期

9 崔文成;邵虹;;基于遺傳算法的圖像檢索中特征權(quán)重自動(dòng)調(diào)整[J];計(jì)算機(jī)工程與應(yīng)用;2008年02期

10 聶桂軍;周源;;圖像檢索研究進(jìn)展[J];南京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2008年02期

相關(guān)會(huì)議論文 前10條

1 陳世亮;李戰(zhàn)懷;閆劍鋒;;一種基于本體描述的空間語(yǔ)義圖像檢索方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

2 王晗;滕鵬;梁瑋;;使用稠密興趣點(diǎn)包的非對(duì)稱風(fēng)景圖像檢索[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【poster】[C];2011年

3 許天兵;;一種基于語(yǔ)義分類的圖像檢索方法[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

4 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(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2002年

5 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(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2002年

6 朱遠(yuǎn)清;李才偉;;一種基于前景與背景劃分的區(qū)域圖像檢索方法及實(shí)現(xiàn)[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

7 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(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

8 胡敬;武港山;;基于語(yǔ)義特征的風(fēng)景圖像檢索[A];2009年研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)論文集[C];2009年

9 王云鶴;史淼晶;許超;;基于流形聚類的圖像檢索方法[A];第七屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議會(huì)刊[C];2013年

10 張世佳;黃鑫;王衡;汪國(guó)平;;一種基于綜合區(qū)域比較的圖像檢索方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

相關(guān)重要報(bào)紙文章 前1條

1 ;圖像檢索新技術(shù)[N];中國(guó)知識(shí)產(chǎn)權(quán)報(bào);2000年

相關(guān)博士學(xué)位論文 前10條

1 李瑩;圖像檢索中的特征表達(dá)與排序研究[D];大連理工大學(xué);2019年

2 周菊香;圖像檢索中的特征表達(dá)和相似性度量方法研究[D];大連理工大學(xué);2019年

3 劉若愚;圖像檢索中的特征學(xué)習(xí)和索引技術(shù)研究[D];北京交通大學(xué);2019年

4 田星;動(dòng)態(tài)環(huán)境下的圖像檢索問題研究[D];華南理工大學(xué);2019年

5 周容;基于輪廓的圖像檢索研究[D];上海交通大學(xué);2016年

6 于來行;基于視覺注意模型的圖像檢索方法研究[D];大連理工大學(xué);2018年

7 蘇雯;語(yǔ)義分割及其在圖像檢索中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

8 張憲林;基于草圖的圖像檢索關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2019年

9 李珂;基于草圖的精細(xì)圖像檢索[D];北京郵電大學(xué);2019年

10 蘇琨;手指靜脈圖像檢索與融合識(shí)別方法研究[D];山東大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 王一霄;基于深度學(xué)習(xí)的圖像檢索研究[D];電子科技大學(xué);2019年

2 王培雷;基于殘差網(wǎng)絡(luò)的多標(biāo)簽圖像檢索方法研究[D];桂林電子科技大學(xué);2019年

3 王娟;基于社會(huì)化標(biāo)簽和顯著性區(qū)域的深度學(xué)習(xí)圖像檢索方法[D];西北大學(xué);2019年

4 趙恒川;基于語(yǔ)義的交互式圖像檢索[D];電子科技大學(xué);2019年

5 艾妮;圖像檢索中局部特征聚合的研究[D];吉林大學(xué);2019年

6 苗壯;熵在圖像檢索領(lǐng)域的應(yīng)用算法研究[D];吉林大學(xué);2019年

7 郭慧俐;面向區(qū)域表達(dá)的實(shí)例檢索方法研究[D];吉林大學(xué);2019年

8 杜安鈺;基于隱私保護(hù)的多特征圖像檢索算法研究[D];新疆大學(xué);2019年

9 陳建華;基于多特征融合與LSH的密文圖像檢索研究[D];中南林業(yè)科技大學(xué);2019年

10 呂明;基于多特征編碼的圖像檢索[D];河南大學(xué);2019年

本文編號(hào)：2702030