论文摘要：基于多示例的图像检索技术研究

近年来随着信息技术和互联网技术的发展，图像数量呈现爆炸式的增长，图像信息受到越来越多的重视。如何将用户关注的图像从大量的图像中快捷、高效和精确的搜索到成为当前的热点问题。基于内容的图像检索就应运而生，成为学术界和工业界所关注的焦点。
基于内容的图像检索已取得了长足的发展，传统的基于内容的图像检索一般是通过度量图像在视觉上的相似性，如颜色、纹理等来完成检索。然而用户判断相似度更多的是基于图像的语义特征，而不仅仅是视觉相似度。这使得传统的基于内容的图像检索很难获得满意的检索结果。为了在底层的视觉特征和高层的语义之间建立联系，许多学者将多示例学习运用到基于内容的图像检索中，将每幅图像看作是一个包，将分割区域底层的视觉特征向量作为示例，如果用户认为某图像是语义相关的就将该图像标记为正包。这样就将基于语义的图像分类问题转化为多示例学习的问题。
本文主要围绕基于内容图像检索和多示例学习展开研究，主要完成如下的工作：
(1)介绍了论文研究的背景和意义，通过对国内外基于内容的图像检索现状的总结，论述了基于内容的图像检索具有广阔的研究前景和研究空间。
 (2)介绍了多示例学习的发展及与其他学习方法的区别，并对多示例学习的几个主要的算法进行了简要分析。同时回顾了图像检索的发展，对图像检索中常用的一些特征进行了简要的介绍，并就多示例学习与基于内容的图像检索相结合的优势进行说明。
(3)分析了多示例学习图像检索的一般流程，介绍了基于k-means聚类的图像分割方法并提取图像的颜色、纹理、形状属性等特征。本文将多示例学习算法进行了分类，并将每一类中的代表性算法运用到图像检索中，并分析了各类算法的优势。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/218711.html