資源描述：
《基于內(nèi)容的圖象檢索技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、西北工業(yè)大學(xué)博士學(xué)位論文基于內(nèi)容的圖象檢索技術(shù)研究姓名：韓軍偉申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：模式識(shí)別與智能系統(tǒng)指導(dǎo)教師：郭雷2003.2.1摘要下。在檢索之前，利用Variogram函數(shù)，根據(jù)圖象的特征，自動(dòng)預(yù)測(cè)查詢圖象的紋理類型，然后，對(duì)于不同類型的紋理，采用不同的策略去分析。(對(duì)于規(guī)則紋理，使用較大的尺度提取其周期性和方向性；對(duì)于不規(guī)則紋理，則使用較小的尺度以觀察其隨機(jī)性。根據(jù)提取的紋理特征，計(jì)算紋理譜和自帶紋理表，最終形成特征矢量，來(lái)進(jìn)行相似度度量和圖象檢索。實(shí)驗(yàn)證明，此方法相當(dāng)適合于實(shí)際的圖象檢索系統(tǒng)；L6．提出一個(gè)記憶學(xué)習(xí)的圖象檢索模型。此模型將長(zhǎng)期學(xué)
2、習(xí)與短期學(xué)習(xí)結(jié)合起來(lái)以提高檢索效率々瞄結(jié)網(wǎng)絡(luò)，此網(wǎng)絡(luò)能夠先，通過(guò)搜集用戶相關(guān)反饋的信息組成一個(gè)圖象語(yǔ)義連紀(jì)錄圖象間符合用戶主觀的語(yǔ)義層相似度；其次，根據(jù)語(yǔ)義連結(jié)網(wǎng)絡(luò)，進(jìn)行圖象在語(yǔ)義層的分類，進(jìn)而估計(jì)圖象之間潛在的語(yǔ)義相似度；最后，圖象問(wèn)的相似度由三個(gè)因素來(lái)決定，視覺(jué)特征、語(yǔ)義連結(jié)網(wǎng)絡(luò)和潛在語(yǔ)義。在此模型中，長(zhǎng)期學(xué)習(xí)是指從記憶的大量用戶目志中學(xué)習(xí)語(yǔ)義信息的過(guò)程，而短期學(xué)習(xí)是指常規(guī)的相關(guān)反饋過(guò)程。長(zhǎng)期學(xué)習(xí)與短期學(xué)習(xí)的關(guān)系是：長(zhǎng)期學(xué)習(xí)依靠短期學(xué)習(xí)的積累，而短期學(xué)習(xí)需要長(zhǎng)期學(xué)習(xí)來(lái)指導(dǎo)。大量的實(shí)驗(yàn)證明，此圖象檢索模型的檢索準(zhǔn)確率相當(dāng)高，且能夠滿足用戶的多種查詢請(qǐng)求0
3、9-關(guān)鍵詞：基于內(nèi)容的圖象檢索I顯著邊緣；顯著興趣點(diǎn)；感興趣物體?Variogram函，馓j相關(guān)反饋，長(zhǎng)期學(xué)習(xí)，短期學(xué)習(xí)，支持向量機(jī)西北工業(yè)大學(xué)博士學(xué)位論文AbstractDuetOthesteadygrowthofcomputer,multimedia，andIntemettechniques，ahugeamountofimagesareavailable．Currently,rapidandeffectivesearchingfordesiredimagesfrom1arge—scaleimagedatabasesbecomesanimportanta
4、ndchallengingresearchtopic．Content—basedimageretrieval(CBIR)isthesetoftechniquestoaddresstheproblemofretrievingrelevantimagesfromallimagedatabasebasedonautomaticallyderivedimagefeatures．Inrecentyears，CBIRisaveryactiveresearchdirectionandhasbeenappliedtomanyfields．Inthisdissertatio
5、n，lotsofexploratoryresearchworkhasbeendonearoundsomekeytechniquesofCBIR，whichincludelow—levelfeatureextraction，similaritymeasure，relevancefeedbackandSOon．Thepresentedstudyisthecurrentresearchfocusofimageprocessingandinformationretrieval．Thus，itsresearchhasboththetheoryandtheapplic
6、ationvalue．ThemaincontributionsofthisdissertationaresummarizedasfollowsFirstly,severalkeytechniquesandalgorithmsofCBIRaredeeplyanalyzedanddiscussed，suchas，therelevancefeedback，thelow-levelfeaturedescriptionsincludingcolor,shape，andtexture，andthesimilaritymeasurebetweenimages．Moreo
7、vegbysomeexperimentstestedunderthesameconditions，wereportthecomparisonresultsofmanyclassicalmethods．Secondly,animageretrievalapproachbasedonsalientedgesisproposed．Itintroducesanindependentedgeself-reinforcementalgorithmtolinkedgecurvesandstrengthenthesalientedges．Accordingtotherei
8、nforcedresults，thesalientedgesoft
