基于局部对角色差描述符的图像检索方法

针对基于文本的图像检索方法检索精确度不高的问题,提出一种新的图像检索方法。为更细致地描述颜色差异,对HSV颜色空间的色调和饱和度分量进行合理量化。在亮度分量上提取局部对角色差描述符,表示颜色的空间分布信息。对综合颜色特征和颜色空间分布信息进行检索,解决颜色直方图不能描述颜色空间分布信息的问题。选取Corel图像库进行检索和对比分析,实验结果表明,该方法具有较高的检索精确度,同时缩短了图像检索时间。

一种新颖的多实例学习算法与应用

多实例学习(MIL)作为一种半监督学习形式,其中训练数据标签上只有不完整的知识。具体而言,标签被分配在这些包上,包中实例的标签未知。在MIL算法中,如果包中至少有一个实例为正,则包被标记为正;如果包中的所有实例均为负,则包标记为负。MIL算法的目标是通过学习一个分类函数,预测测试数据中包或实例的标签。同时,MIL的性质使其可应用于多种应用,从药品活动预测到文本或多媒体信息检索。对多样化密度算法的缺陷进行了改进,提出了一种新颖的多实例学习算法。最后,在图像分类/检索问题数据集-Corel数据库上,将提出的算法与其他算法,进行了性能对比评估。