發(fā)布時(shí)間：2017-04-12 23:19

  本文關(guān)鍵詞：基于內(nèi)容的圖像檢索與推薦技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：數(shù)碼圖像采集設(shè)備和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,使得互聯(lián)網(wǎng)中的圖像以幾何級(jí)的速度增長(zhǎng),用戶在互圖像海洋中尋找自己需要的內(nèi)容越來越困難。因此,利用計(jì)算機(jī)提取圖像的視覺內(nèi)容并組織圖像、同時(shí)提高圖像檢索和推薦的效率已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究熱點(diǎn)。 本文探索研究基于機(jī)器學(xué)習(xí)的圖像檢索和推薦相關(guān)的理論及技術(shù),包括：圖像特征的提取與組合、相似度度量、基于核方法的圖像聚類、推薦圖像的篩選、大規(guī)模圖像高效顯示與互動(dòng)等,最終構(gòu)建大規(guī)模圖像檢索與推薦系統(tǒng)。本文的主要工作和創(chuàng)新如下： (1)為準(zhǔn)確度量圖像內(nèi)容相似度,提出一種基于多核距離的圖像相似度組合度量方法。在提取全局和局部特征的基礎(chǔ)上,分別構(gòu)建了顏色直方圖、灰度共生紋理特征、Gabor紋理特征以及SIFT關(guān)鍵點(diǎn)特征的核距離相似度矩陣,并構(gòu)建成全面度量圖像內(nèi)容的相似度矩陣。 (2)針對(duì)大規(guī)模圖像數(shù)據(jù)庫在特征空間上線性可分性差及聚類性能嚴(yán)重依賴初始類中心的問題,提出一種改善初始聚類中心的核K均值聚類算法。首先將圖像特征映射到高維核空間,然后提出基于樣本合并的初始樣本選擇算法,最終在高維核空間使用K均值算法將圖像聚類。實(shí)驗(yàn)結(jié)果表明本文提出的改進(jìn)算法相比已有的基于核的K均值算法提高了將近1%的分類準(zhǔn)確率。 (3)針對(duì)圖像庫中圖像數(shù)量太多,全部顯示困難的問題,本文設(shè)計(jì)了一種分層顯示大規(guī)模圖像的方法。先在各類圖像中選取典型圖像進(jìn)行推薦,再根據(jù)用戶對(duì)典型圖像的選擇實(shí)現(xiàn)圖像庫的過濾與檢索。統(tǒng)計(jì)結(jié)果顯示,本文方法縮短了用戶檢索圖像的時(shí)間。 (4)為解決大規(guī)模的圖像數(shù)據(jù)的二維可視化問題,提出基于相似度保持投影和hyperbolic坐標(biāo)變換的大規(guī)模圖像可視化算法。首先使用基于核的PCA和MDS獲取圖像在二維空間的投影點(diǎn),并利用hyperbolic變換方式將投影點(diǎn)進(jìn)行再次變換,相比于現(xiàn)有的可視化方法,本文方法更加符合用戶對(duì)顯示結(jié)果的需求。 (5)提出了一種新的基于特征方差的相關(guān)反饋框架,在用戶標(biāo)注圖像滿意或不滿意后,通過計(jì)算不同特征的方差來判斷用戶的喜好,并根據(jù)特征方差調(diào)整相似度度量矩陣的組合系數(shù)。實(shí)驗(yàn)結(jié)果表明,本文方法提高了檢索的準(zhǔn)確率。 (6)設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)完整圖像檢索和推薦系統(tǒng)。系統(tǒng)包括大規(guī)模圖像庫的推薦、過濾、檢索等功能。相比于已有的檢索系統(tǒng),本系統(tǒng)在檢索速度、推薦圖像顯示方式等方面顯示出獨(dú)特的優(yōu)勢(shì)。
【關(guān)鍵詞】：圖像檢索 圖像推薦 基于核的聚類 相似度保持投影 相關(guān)反饋
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-5
• Abstract5-7
• 目錄7-10
• 第一章 緒論10-23
• §1.1 基于內(nèi)容的圖像檢索研究?jī)?nèi)容10-15
• 1.1.1 圖像檢索技術(shù)與分類10-13
• 1.1.2 圖像特征提取13-14
• 1.1.3 圖像相似度匹配14
• 1.1.4 相關(guān)反饋14
• 1.1.5 圖像檢索系統(tǒng)評(píng)價(jià)14-15
• §1.2 國(guó)內(nèi)外研究現(xiàn)狀15-19
• §1.3 課題研究基礎(chǔ)19
• §1.4 本文主要工作及應(yīng)用意義19-21
• §1.5 論文內(nèi)容安排21-23
• 第二章 基于全局和局部特征的圖像相似度度量23-46
• §2.1 彩色直方圖特征提取23-26
• §2.2 灰度共生紋理特征提取26-28
• §2.3 Gabor紋理特征提取28-31
• §2.4 SIFT特征提取31-36
• §2.5 四種特征分類性能分析36-37
• §2.6 SVM與基于核的圖像相似度度量37-44
• 2.6.1 圖像相似度度量37-40
• 2.6.2 支持向量機(jī)(SVM)40-43
• 2.6.3 基于核的圖像相似度43-44
• §2.7 本章小結(jié)44-46
• 第三章 基于核的圖像聚類及典型圖像推薦46-59
• §3.1 基于核的K均值聚類及其改進(jìn)46-53
• 3.1.1 聚類分析46-50
• 3.1.2 改進(jìn)的基于核的K均值聚類(K-means聚類)50-52
• 3.1.3 實(shí)驗(yàn)結(jié)果與分析52-53
• §3.2 典型圖像推薦53-58
• 3.2.1 推薦圖像數(shù)目確定54
• 3.2.2 基于最小均方誤差量化的推薦圖像選取54-57
• 3.2.3 實(shí)驗(yàn)結(jié)果分析57-58
• §3.3 本章小結(jié)58-59
• 第四章 相似度保持的圖像投影與顯示技術(shù)59-75
• §4.1 特征降維技術(shù)60-61
• §4.2 基于核PCA的相似度保持投影61-64
• 4.2.1 主成分分析61-62
• 4.2.2 基于核的主成分分析(KPCA)62-64
• §4.3 基于核的MDS投影變換64-67
• §4.4 龐加萊圓盤模型67-70
• §4.5 hyperbolic技術(shù)圖像顯示70-74
• §4.6 本章小結(jié)74-75
• 第五章 相關(guān)反饋圖像檢索與推薦75-82
• §5.1 基于內(nèi)容圖像檢索中相關(guān)反饋技術(shù)的必要性75-76
• §5.2 相關(guān)反饋技術(shù)及其分類76-77
• §5.3 基于權(quán)重調(diào)整相關(guān)反饋技術(shù)的圖像檢索與推薦77-79
• §5.4 實(shí)驗(yàn)結(jié)果與分析79-81
• §5.5 本章小結(jié)81-82
• 第六章 圖像推薦與檢索系統(tǒng)的實(shí)現(xiàn)82-90
• §6.1 系統(tǒng)總體流程82-83
• §6.2 交互式圖像推薦與檢索83-88
• §6.3 檢索與推薦系統(tǒng)的性能分析88-89
• §6.4 本章小結(jié)89-90
• 第七章 總結(jié)與展望90-93
• §7.1 工作總結(jié)90-91
• §7.2 未來工作展望91-93
• 參考文獻(xiàn)93-101
• 攻讀博士學(xué)位期間取得的科研成果101-102
• 致謝102-103
• 作者簡(jiǎn)介103

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 馮建輝;楊玉靜;;基于灰度共生矩陣提取紋理特征圖像的研究[J];北京測(cè)繪;2007年03期

2 周藝華;曹元大;魏本杰;張洪欣;;圖像檢索中基于記憶與半監(jiān)督的主動(dòng)相關(guān)反饋算法[J];北京理工大學(xué)學(xué)報(bào);2006年01期

3 薄華;馬縛龍;焦李成;;圖像紋理的灰度共生矩陣計(jì)算問題的分析[J];電子學(xué)報(bào);2006年01期

4 劉倩;基于內(nèi)容的圖像檢索中的相關(guān)反饋技術(shù)[J];華東交通大學(xué)學(xué)報(bào);2003年04期

5 王濤,劉文印,孫家廣,張宏江;傅立葉描述子識(shí)別物體的形狀[J];計(jì)算機(jī)研究與發(fā)展;2002年12期

6 張磊 ,林福宗 ,張鈸;基于前向神經(jīng)網(wǎng)絡(luò)的圖像檢索相關(guān)反饋算法設(shè)計(jì)[J];計(jì)算機(jī)學(xué)報(bào);2002年07期

7 朱興全,張宏江,劉文印,吳立德;iFind:一個(gè)結(jié)合語義和視覺特征的圖像相關(guān)反饋檢索系統(tǒng)[J];計(jì)算機(jī)學(xué)報(bào);2002年07期

8 宋楓溪,高秀梅,劉樹海,楊靜宇;統(tǒng)計(jì)模式識(shí)別中的維數(shù)削減與低損降維[J];計(jì)算機(jī)學(xué)報(bào);2005年11期

9 吳洪;盧漢清;馬頌德;;基于內(nèi)容圖像檢索中相關(guān)反饋技術(shù)的回顧[J];計(jì)算機(jī)學(xué)報(bào);2005年12期

10 嚴(yán)華云;劉其平;肖良軍;;信息檢索中的相關(guān)反饋技術(shù)綜述[J];計(jì)算機(jī)應(yīng)用研究;2009年01期

  本文關(guān)鍵詞：基于內(nèi)容的圖像檢索與推薦技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：302296