基于感興趣區(qū)域和SVM相關(guān)反饋的圖像檢索方法研究.pdf

1、信息時(shí)代因特網(wǎng)的普及，數(shù)字圖像處理技術(shù)的高速發(fā)展，使得大量的圖像涌現(xiàn)在社會(huì)的各個(gè)領(lǐng)域，如何從日益巨大的圖像庫(kù)中快速準(zhǔn)確地找到用戶心儀的圖像成為計(jì)算機(jī)視覺(jué)領(lǐng)域亟需解決的問(wèn)題。因此，基于內(nèi)容的圖像檢索技術(shù)(CBIR)應(yīng)運(yùn)而生并成為國(guó)內(nèi)外相關(guān)學(xué)者研究的熱點(diǎn)之一。傳統(tǒng)的基于內(nèi)容的圖像檢索系統(tǒng)在檢索時(shí)通過(guò)獲取整幅圖像的全局特征進(jìn)行計(jì)算，這必然含有一些冗余信息從而給檢索帶來(lái)過(guò)多的計(jì)算量和不準(zhǔn)確性。正因?yàn)榭紤]到此種情況，本文將檢索的區(qū)域范圍從全局縮小

2、到局部，重點(diǎn)研究了基于用戶感興趣區(qū)域和支持向量機(jī)(SVM)相關(guān)反饋的圖像檢索。具體的研究工作如下：
　　針對(duì)現(xiàn)有基于興趣點(diǎn)凸包和興趣點(diǎn)等間隔同心圓環(huán)法的圖像檢索方法在確定圖像感興趣區(qū)域時(shí)易受處于圖像背景區(qū)域的游離興趣點(diǎn)影響的這一缺點(diǎn)，提出一種基于感興趣區(qū)域的圖像檢索方法。該方法首先檢測(cè)圖像的興趣點(diǎn)；然后計(jì)算興趣點(diǎn)在其各分布區(qū)域內(nèi)的密度比值，將興趣點(diǎn)密度比值較低的區(qū)域排除，留下興趣點(diǎn)密度比值較大的區(qū)域作為圖像的感興趣區(qū)域；最后融合圖

3、像感興趣區(qū)域內(nèi)顏色、紋理和形狀特征進(jìn)行檢索。實(shí)驗(yàn)證明該方法能夠有效剔除游離興趣點(diǎn)，減少冗余計(jì)算量，獲得較為準(zhǔn)確的圖像感興趣區(qū)域和較好的檢索準(zhǔn)確率。
　　為了進(jìn)一步探知用戶檢索的深層意圖，最大化縮小圖像高層語(yǔ)義特征和底層視覺(jué)特征之間的鴻溝距離，本文將基于支持向量機(jī)(SVM)的相關(guān)反饋引入圖像檢索系統(tǒng)中。針對(duì)傳統(tǒng)SVM當(dāng)正樣本數(shù)量過(guò)少，負(fù)樣本相對(duì)數(shù)量過(guò)多時(shí)出現(xiàn)分類面偏移的問(wèn)題，本文借鑒打包SVM的思想，將負(fù)樣本打包，選出最優(yōu)SVM分類