基于内容的半监督图像检索

发布时间：2017-04-21 17:07

  本文关键词：基于内容的半监督图像检索，由笔耕文化传播整理发布。

【摘要】：随着科技的发展和人民日常需求的提高,图像检索已经成为人们生活中不可缺少的一部分。目前大多数的搜索引擎(Bing, Google, Baidu等)对图像的检索都是基于文本检索,由于这些文本信息不能全面地描述图像内容,导致图像内容与相关文字信息往往并不匹配,因此基于内容的图像检索(CBIR,Content-Based Image Retrieval)成为当前计算机视觉领域的热门课题。然而,不合适的相似度测量和特征量化,噪音干扰,特征检测丢失,与语义概念之间存在很大的语义鸿沟,导致通过单一视觉特征得到检索结果往往并不非常理想。 本论文深入分析了多种图像底层特征以及图像检索中重排序的方法,引入了目前比较火热的深度学习概念.。基于Autoencoder模型,对全局特征和局部特征进行非线性融合,有效地提高了特征间的互补性。同时我们引入文本检索中查询扩展的思想,在半监督模式下实现重排序。即利用少量的有标签数据,在离线情况下对数据集进行聚类建立索引,在线阶段中检测置信集作为训练数据,用加速随机对偶上升算法训练学习RankNet打分模型,进一步地提高了检索效果。 在实验部分,我们的方法已经成功应用于Paris, FranceLandmark以及TRECVID INS2012(Instance Search)评测集中。实验证明该算法可以改善不同初始检索结果,弥补了一般重排序算法容易受到初始排名影响的缺陷。同时半监督模式的索引结构不仅减少了运算量,同时减少了图片底层特征和高层语义的鸿沟。
【关键词】：Autoencoder 特征融合 半监督 加速随机对偶坐标上升 重排序
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 符号说明9-10
• 第一章 绪论10-18
• 1.1. 课题研究背景及意义10-12
• 1.2. 基于内容的图像检索目前的研究现状及相关技术12-16
• 1.2.1. 特征融合的相关技术12-13
• 1.2.2. 重排序的相关技术13-16
• 1.3. 图像检索重排序的研究意义16
• 1.4. 论文的研究内容和组织结构16-18
• 第二章 基于Autoencoder的非线性特征融合18-34
• 2.1 基于内容的视觉特征18-26
• 2.1.1 局部特征18-22
• 2.1.2 全局特征22-26
• 2.2 特征融合的关键技术26-28
• 2.2.1 主成分分析(PCA)26-27
• 2.2.2 Autoencoder27-28
• 2.3 基于Autoencoder的非线性特征融合的基本框架28-29
• 2.4 实验结果与分析29-33
• 2.4.2 实验数据与评价准则29-30
• 2.4.3 实验结果与分析30-33
• 2.5 本章小结33-34
• 第三章 半监督的重排序算法34-51
• 3.1 查询模型34-36
• 3.1.1 检索结构34-35
• 3.1.2 几何校验35-36
• 3.2 重排序模型36-45
• 3.2.1 重排序的关键技术37-39
• 3.2.2 检测置信集的系统框架39-43
• 3.2.3 训练打分器的系统框架43-45
• 3.3 实验结果与分析45-49
• 3.3.1 实验数据与评价准则45
• 3.3.2 实验结果与分析45-49
• 3.4 本章小结49-51
• 第四章 总结与展望51-53
• 4.1 论文总结51-52
• 4.2 工作展望52-53
• 参考文献53-58
• 致谢58-59
• 作者攻读学位期间发表的学术论文目录59

【共引文献】

中国期刊全文数据库 前10条

1 杜慧茜;郭林楠;梅文博;任彦芳;;基于B样条函数的偏微分方程图像去噪[J];兵工学报;2008年08期

2 陈冰;赵亦工;李欣;;基于高斯尺度空间的末制导目标跟踪方法[J];兵工学报;2009年05期

3 张少辉;沈晓蓉;范耀祖;;一种基于图像特征点提取及匹配的方法[J];北京航空航天大学学报;2008年05期

4 李志成;秦世引;Itti Laurent;;遥感图像的显著-概要特征提取与目标检测[J];北京航空航天大学学报;2010年06期

5 高鑫,刘来福;基于水平集曲率的图像滤噪与增强[J];北京师范大学学报(自然科学版);2001年01期

6 郇中丹,孔令海,黄海洋;图像强化去噪的一种偏微模型[J];北京师范大学学报(自然科学版);2003年06期

7 ;Natural Scene Classification Inspired by Visual Perception and Cognition Mechanisms[J];重庆理工大学学报(自然科学);2011年07期

8 曲福恒;杨勇;胡雅婷;陈学广;;硬度图像角点检测算法[J];长春理工大学学报(自然科学版);2011年03期

9 骞森;朱剑英;;图像的退化不变量研究[J];传感器与微系统;2007年12期

10 梁艳菊;李庆;林蓁蓁;陈大鹏;;一种基于SURF的全景图像配准算法[J];传感器与微系统;2012年05期

中国重要会议论文全文数据库 前10条

1 ;Rapid Target Recognition and Tracking under Large Scale Variation Using Semi-Naive Bayesian[A];第二十九届中国控制会议论文集[C];2010年

2 ;Regression Based Profile Face Annotation From a Frontal Image[A];中国自动化学会控制理论专业委员会A卷[C];2011年

3 汪巍;蔡志祥;;基于asift算法的人脸识别[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

4 李姗琦;孙永宣;高隽;谢昭;;层次Dirichlet过程模型下的目标分析与识别[A];2011中国仪器仪表与测控技术大会论文集[C];2011年

5 郭武;李文辉;张振花;韩东峰;易荣庆;;一种基于局部特征的鲁棒的盲数字水印算法[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

6 张洁琳;林秉雄;;Gabor-SIFT:一种新的特征点匹配方法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

7 王晗;滕鹏;梁玮;;使用稠密兴趣点包的非对称风景图像检索[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【poster】[C];2011年

8 温文雅;陈建华;;一种基于特征点的图像匹配算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

9 李竹林;赵宗涛;王文发;马燕;;一种缺失摄像机标定参数图像的立体匹配方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

10 张相芬;陈武凡;王沛;陈胜;何宏;;基于组合滤波器的图像噪声去除方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 王玉全;基于全景视觉的移动机器人同时定位与地图创建方法研究[D];哈尔滨工程大学;2010年

2 任桢;图像分类任务的关键技术研究[D];哈尔滨工程大学;2010年

3 沈郑燕;声纳图像去噪与分割技术研究[D];哈尔滨工程大学;2010年

4 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年

5 肖洁;视觉注意模型及其在目标感知中的应用研究[D];华中科技大学;2010年

6 朱清波;序列图像三维重建方法研究[D];华中科技大学;2010年

7 田文;多视图图像的快速三维场景重建[D];华中科技大学;2010年

8 涂虬;智能视觉监视中目标检测与跟踪算法研究[D];华中科技大学;2010年

9 章鹏;多尺度特征检测：方法和应用研究[D];中国科学技术大学;2010年

10 鹿瑞;自然图像的颜色恒常性计算研究[D];北京交通大学;2010年

中国硕士学位论文全文数据库 前10条

1 倪希亮;基于尺度不变特征的多源遥感影像配准[D];山东科技大学;2010年

2 韩宁;鲁棒性图像水印算法研究[D];辽宁师范大学;2010年

3 娄铮铮;sIB算法在图像无监督分类中的应用研究[D];郑州大学;2010年

4 金甲;全景视觉图像去噪与增强方法的研究[D];哈尔滨工程大学;2010年

5 周秋红;基于多示例学习的运动目标跟踪算法研究[D];大连理工大学;2010年

6 何昌钦;图像检索方法研究[D];大连理工大学;2010年

7 林秉雄;SIFT特征匹配标准与匹配方式的改进与应用[D];大连理工大学;2010年

8 李磊;分裂Bregman方法在图像处理中的应用[D];大连理工大学;2010年

9 蓝国宁;基于变分偏微分方程的细胞神经网络水下图像噪声抑制[D];中国海洋大学;2010年

10 罗佳;基于SIFT的人脸识别研究[D];湘潭大学;2010年

  本文关键词：基于内容的半监督图像检索，，由笔耕文化传播整理发布。

本文编号：320795