iFind:一个结合语义和视觉特征的图像相关反馈检索系统

给出了一个结合语义与视觉特征信息的图像相关反馈检索系统—— i Find.系统通过图像的标注信息构造语义网络 ,并在相关反馈中与图像的视觉特征相结合 ,有效地实现了在两个层次上的相关反馈 ,在基于内容的图像检索中取得了较为理想的效果 ,具有一定的应用价值 .

图像检索中语义映射方法综述

"语义鸿沟"已成为基于内容图像检索的瓶颈,解决这个问题需要建立从图像的低层特征到高层语义的映射.对当前语义映射研究进行了综述,首先给出一个结合语义的图像检索框架,并分析了图像内容的层次模型及图像语义的表示方法;然后根据算法的特点,将现有的语义映射方法和技术分为4大类,重点阐述了各类方法提出的思路、模型,并讨论各自的优势和局限性;最后以图像检索实际应用的需要为依据,提出在图像语义检索相关领域的重要课题和研究方向.

基于目标语义特征的图像检索系统

为克服当前基于内容的图像检索技术中低级特征无法准确全面地描述高级语义的问题,该文设计和实现了一个基于目标高级语义特征的检索系统。该系统利用了一个多级图像描述模型将语义特征结合到图像检索技术中。该图像描述模型通过在不同层次上对图像内容进行分析和描述,实现了从低级特征到高级语义的过渡。在此模型的基础上还研究了相应的检索机制和反馈技术。该系统的检索机制定位于图像中目标的语义内容,与传统的图像检索系统相比更接近人对图像内容的理解,从而使检索过程更简便,检索效率也得到很大提高。基于目标描述的自适应相关反馈可针对不同用户的不同需求给出相应的检索方案,从而使检索结果得到优化。

基于反馈日志分析的图像检索相关反馈方法

基于内容的图像检索是多媒体数据库研究的重要内容之一 近年来 ,采用用户相关反馈方法提高检索效率的研究已成为新的热点 用户相关反馈是一种交互式的渐进过程 ,如何提高反馈效率 ,减少交互次数是该技术面临的主要问题 提出一种通过对相关反馈历史数据进行在线分析从而加快反馈过程的新方法 对 10 0 0 0幅图像数据库的实验表明 ,与传统相关反馈技术相比 。

基于内容的自适应图象检索系统的设计

:提出了一种自适应的图象检索机制。该机制将用户的高层语义信息有效地嵌入到了检索系统中,从而能精确地捕捉用户所需要的信息。

基于内容的医学图像检索技术

建立一个高效、准确的医学图像检索系统是目前具有挑战性的任务.文中在简述基于内容的医学图像检索模型后,着重探讨和分析了检索模型中图像特征提取、特征选择与融合、相似度匹配、图像预过滤、相关反馈等核心技术和相关算法,以及一些最新的应用.最后对基于内容的医学图像检索技术进行了展望.

基于视觉感知的图像检索的研究

基于内容图像检索的一个突出问题是图像低层特征与高层语义之间存在的巨大鸿沟.针对相关反馈和感兴趣区检测在弥补语义鸿沟时存在主观性强、耗时的缺点,提出了视觉信息是一种客观反映图像高层语义的新特征,基于视觉信息进行图像检索可以有效减小语义鸿沟;并在总结视觉感知的研究进展和实现方法的基础上,给出了基于视觉感知的图像检索在感兴趣区检测、图像分割、相关反馈和个性化检索四个方面的研究思路.

一种新型图像检索语义网络构建方法

自学习语义网络是目前实现图像高级语义的有效方法。针对现有方法存在的不足,提出了一种用于图像检索的新型语义网络构建方法,此方法将低层特征、相关反馈和语义网络这三项技术结合来支持图像检索。实验证明该方法可以对系统的检索效率有一定的提高。

基于内容图像检索中的“语义鸿沟”问题

目的探讨目前CB IR系统中广泛存在的“语义鸿沟”问题。方法阐述了该问题的表现及产生的实质;从获取图像语义的角度出发,研究和分析了当前针对这一问题的一些处理方法以及存在的问题,并提出了初步的解决思路。结果现阶段在CB IR中应用多层次的相关反馈方法,能够较好地建立和修正图像低层特征与高层语义间的联系,有助于缩小图像检索过程中的“语义鸿沟”,并达到了一定程度语义检索的目的。结论实现真正意义上的基于语义的图像检索,将是解决“语义鸿沟”问题的最有效途径。

基于内容的医学图像检索中的相关反馈技术

建立一个高效、准确的医学图像检索系统是目前具有挑战性的任务。由于相关反馈(RF)技术有效地解决了"语义鸿沟",成为基于内容的医学图像检索系统中提高检索性能的关键技术。文中根据RF算法采用的检索模型,从基于距离度量的模型、基于概率统计分类模型和基于机器学习模型三个方面,对有代表性的算法进行了分析与评价,并重点分析了基于机器学习的RF算法。最后对医学图像检索中RF技术的发展进行了展望。

基于小波纹理、语义特征和相关反馈的医学图像检索

本文针对胸片和胸部CT扫描两种医学图像库,提出一种融合小波纹理、语义特征和相关反馈的医学图像检索技术。首先分析比较了纹理的三大描述方法:灰度层共现矩阵,纹理谱,小波变换,采用了频谱法中的一种基于小波变换的纹理描述方法进行纹理分析。为了进一步提高检索精度,将语义特征融合到该算法中,然后利用相关反馈技术有效地提高检索准确率。通过在原型系统上的实验,从查准率、查全率、平均序号验证了此方法的有效性。

融合流形学习与相关反馈的人脸图像检索

针对图像检索中视觉特征和语义信息中的"语义鸿沟"问题,提出一种融合流形学习和相关反馈的人脸图像检索算法.该算法充分考虑相关反馈提供的结合语义信息的正反例样本来发现图像样本之间的鉴别性流形,优化构建低维嵌入空间的特征向量,使得相关图像之间保持近邻关系,通过最大化不相关图像之间的距离,得到一个结合了用户语义理解的低维流形特征空间.实验结果表明:文中提出的算法有效地融合了图像视觉特征和语义信息,其性能明显优于反馈保局投影、增强联系嵌入等算法,其中前20个查询结果的检索精度提高了10个百分点以上.

一种自适应提取最优特征维的相关反馈算法

本文提出一种新的相关反馈算法,该算法依据用户的反馈信息自适应选取用户最感兴趣的特征维用于图像检索,并结合正负反馈图像集的预处理,图像检索精确度得到较大提高。算法在500幅和4500幅两个图像库中做了实验,通过与Rui Y特征内相关反馈算法的比较,验证了算法的高效性。

一种基于Rough集的语义图像检索方法

提出了一种基于Rough集理论的语义图像检索(RSBSIR)方法.对于给定的图像集和一个已经分类的图像集,能够迅速区别图像类型的最小的并列关键词集,降低了关键词向量空间的维数,缩小了问题的规模,简化了基于知识库的图像检索系统的建立过程.并且对于用户而言,小的关键词集易于理解,同时对规则库也可以方便地进行编辑.

基于高层语义及相关反馈的图像检索

在基于内容的图像检索基础上,提出了基于高层语义词和颜色词检索。在交互过程中充分发挥人的作用,系统不断自动地从图片中提取高层语义特征,并结合相关反馈技术优化系统性能。实验结果表明,系统取得了较好的性能。

利用蚁群算法的记忆式图像检索方法

如何有效利用用户的相关反馈信息来进行基于语义的图像检索,是一个具有重要意义并且极具挑战性的问题。介绍了一种基于蚁群算法的记忆式图像检索方法,它是传统记忆式图像检索方法的一种改进。用蚁群算法的思想,利用用户的反馈信息建立图像的语义网络,并依据该语义网络用迭代的方法来检索图像。实验表明,该方法不仅有效,而且存储量小、计算量少。

国产数据库DM3的图像引擎设计

讨论了 CBIR系统设计的有关问题 ,设计了一个国产数据库 DM3的图像引擎原型系统 DMIE,并讨论了 DMIE的系统组成与结构、各个功能模块设计 ,以及与

结合相关反馈日志与语义网络的图像标注

连接高层语义和低层视觉特征的图像语义标注技术能够很好地表示图像的语义,提出并实现了一种结合相关反馈日志与语义网络的图像标注方法。该方法以收集的用户相关反馈日志为基础获得图像的语义信息,通过计算图像间的语义相似度进行语义聚类并采用语义传播的方式实现图像的语义标注。实验结果表明,随着相关反馈日志库的不断扩充,图像库中越来越多的图像会在反馈的过程中得到标注且标注的准确率会随着反馈次数的增加而趋于稳定。

基于相关反馈和流形结构重构的图像检索方法

当检索样例位于数据库之外时,传统基于线性流形学习的图像检索方法在反馈迭代后的检索精度提高较小。为此,提出一种基于相关反馈和流形结构重构的图像检索方法。反馈时计算被检索样例的最邻近点,将被检索样例重构入需要保留的结构图中,从而满足映射时需保证相似图像和被检索样例距离尽可能近的要求。实验结果表明,该方法在额外耗时较少的情况下,能有效提高检索精度。

一个智能化的图像检索系统IIRS

本文深入研究了支持语义查询的大型图像数据库检索技术 ,提出了一种新的基于内容的图像检索系统IIRS(IntelligentImageRetrievalSystem)。该系统支持多种特征的组合查询 ,引入了反馈机制及语义查询 ,具有自动学习及再学习的能力。实验结果表明 ,引入相关反馈及语义查询 。