基于多示例学习的对象图像推荐算法

用户评分矩阵稀疏问题影响协同过滤的推荐性能。为此,提出一种基于多示例学习的对象图像推荐算法。将分割区域的视觉特征作为图像中的示例,利用多样性密度函数求得最大多样性密度点,使用正负图像内容评价不同用户间的相似性,将其与传统余弦相似性进行组合,从而实现推荐。实验结果表明,该算法提高了推荐性能。

交互式图像推荐系统研究

随着互联网信息的快速发展,图像信息已经成了一个重要的信息来源,但是对用户来说很难找到自己需要的特定的图像,构建了一个交互式的图像推荐系统,用颜色直方图特征或者Gabor纹理特征来表示图像的内容,根据图像的视觉特征采用一种基于核的K均值聚类方法将图像聚成多类,采用hyperbolic显示技术,将图像按照视觉特征显示在屏幕的不同区域。结果显示该方法可以有效快速地帮助用户在图像数据库中找到自己需要的图像。

个性化图像推荐及可视化研究

传统图像检索系统中的图像标注与视觉特征存在语义鸿沟现象、未考虑图像标注的潜在语义联系,且检索界面显示效果不佳、个性化程度不高。针对上述问题,提出一种融合图像标注语义与图像视觉特征的个性化图像推荐模型。分析图像标注语义之间的关系,采用双曲空间和庞加莱磁盘模型进行图像可视化。实验结果证明,该模型具有可行性和有效性。

结合哈希网络和敏感散列的图像检索推荐研究

面对当今社会的各种海量图像数据,基于图像内容的检索方法对于检索结果的查全率和查准率较为差强人意,并且对于相似图像的检索也会花费较长的时间。为了提升检索效率和检索结果的准确性,提出一种结合深度哈希网络和局部敏感散列的检索推荐方法。首先建立深度哈希网络模型完成对于图像内容特征的提取,并利用球哈希编码优化计算得到汉明空间距离作为特征度量方式,根据度量结果使用局部敏感散列构建索引表提高检索效率;然后对于被检索目标图像进行特性提取,计算汉明空间距离完成特征度量和散列映射,最后可以在索引表中匹配到最相似的若干图像,作为检索到的推荐图像。以泳装版型图像进行实验测试,所构建的推荐模型可以较为快速地完成相似图像的检索,具有较高的准确率。实验结果表明,设计的检索推荐方法基本可以实现相似图像的高效检索。

基于模糊处理和上下文敏感SVM的协同过滤推荐新方法

协同过滤系统是电子商务最重要的技术之一，用户相似度算法的优劣直接决定推荐性能的准确程度。现有推荐方法忽略用户上下文特征，因而用户相似度判定较差。针对该问题，该文提出了FSVMCF方法，该方法采取模糊上下文数据及上下文敏感SVM和协同过滤相结合方法，提高了推荐准确度。该文实验以汽车、飞机、火车等交通工具图像作为推荐对象，实验结果验证了该方法对于图像推荐的性能有较大提高。

一种针对CCSDS-IDC的小波系数图像目标区域提取技术

在卫星上提取图像目标区域是降低传输数据量、提高空间传输链路利用率的重要一环。本文从小波系数相关性的角度,提出一种针对空间图像压缩算法(CCSDS-IDC)的目标区域提取方法,是以图像小波系数LL3子带为起点,以四叉树分解为基础的自适应非均匀矩形分割与合并(ANURSM),将对应背景区域的小波系数与对应目标区域分离。经试验表明,算法能够准确、有效地提取出图像目标区域对应的小波系数,与改进的CCSDS-IDC相结合能够有效降低传输数据量并提高图像目标区域质量。

个性化图像检索和推荐

为了解决信息过载的问题,个性化图像检索和推荐技术成为目前图像检索领域的新趋势,其不仅可提高检索的效率和准确率,还可满足用户的个性化需求.根据不同个性化信息的数据源,可将个性化图像检索和推荐分为基于内容的个性化图像检索和推荐与协同过滤个性化图像检索和推荐.对于基于内容的个性化图像检索和推荐,分析了用户兴趣获取、用户兴趣表示和个性化实现3个核心环节,并对所采用的关键技术进行了对比,指出了优缺点;对于协同过滤个性化图像检索和推荐,分析了基于用户、物品和模型的3种协同过滤方法.最后分析对比了基于内容和协同过滤2种个性化图像检索和推荐方法,并指出了未来的工作方向.

基于优先级和率失真模型的CCSDS-IDC码率分配算法

为了解决遥感图像采集与空间网络传输能力之间的矛盾,迫切需要具有码率控制功能的图像压缩算法。文章面向军事目标监测领域图像目标区域局部高质量需求,针对CCSDS-IDC(The Consultative Committee for Space Data Systems-Image Data Compression Standard)图像压缩标准,提出了一种码率分配算法。新算法改进了原算法的分段方式,设置了段优先级,并根据优先段覆盖的比例及率失真模型设计了码率分配方案。结果表明新算法在局部峰值信噪比和局部视觉效果上较原算法有明显的提高,当优先段覆盖率低于压缩比倒数时,新算法的整体峰值信噪比与原算法接近。