面向聚類索引構建的圖像檢索方法研究.pdf

1、伴隨多媒體技術的迅速普及，圖像數據也取得了爆發(fā)式的增長，使得圖像檢索技術成為了計算機視覺領域的一項重要的分支。圖像檢索相關技術的研究經歷基于文本、內容和語義檢索的三個階段，現階段主要是基于圖像語義的檢索研究，其在基于內容檢索的基礎上融入了機器學習，人工智能，模式識別、數據挖掘等領域知識，來提升圖像檢索的能力。然而，當前圖像檢索的精準度仍有待進一步提高，因此本文通過將聚類分析和相關反饋技術等方法的融入來減少基于內容圖像檢索中未能考慮到的實

2、際語義信息所帶來的檢索結果與用戶實際對圖像理解的差異，并對圖像庫構建索引結構，最終可以減少查詢的時間，提升圖像檢索的精度。
　　本文針對面向聚類索引構建的圖像檢索方法進行研究，主要的工作如下：
　　一、對于現有的圖像底層視覺特征，往往只是對圖中某一方面特性的描述，特征也僅僅是對圖像表面的某種規(guī)律的反映，不含實際語義信息，因而會造成圖像信息大量的損失。為此，本文對傳統(tǒng)Hu不變矩和局部顏色特征做出了一些改進，提高特征的表達能力，

3、融入了一些語義信息，使其更有針對性。
　　二，基于聚類分析的分層索引的構建，將圖像庫中提取到的形狀和視覺特征借助聚類分析進行組織，兩種特征形成分層的索引結構，形狀特征用于粒度較大的查詢，而顏色特征則用于進一步的詳細檢索上，可以提高特征查詢的準確度和多樣性。
　　三、基于用戶反饋的分類處理的研究，針對用戶對圖像檢索的反饋，通過使用機器學習中SVM算法對用戶反饋的結果進行訓練學習，完成人機交互并縮小圖像底層特征與高級語義之間的距