版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、基于內(nèi)容的圖像檢索方法(Content-Based Image Retrieval，CBIR)有效解決了基于文本的圖像檢索方法(Content-Based Image Retrieval，TBIR)存在的人工注釋量大、注釋存在較強主觀性、少量注釋很難充分表達圖像完整信息以及不同語言標注存在圖像語義理解差異等問題，通過提取圖像的視覺特征，選擇合適的特征組合和查詢條件，即可實現(xiàn)查詢圖像與檢索圖像間的相似匹配。機器學習方法的提出，逐漸縮小了用
2、戶與PC機在圖像內(nèi)容理解上的語義差異，提高了檢索準確性。支持向量機學習機制的提出，以所需圖像特征作為試驗樣本數(shù)據(jù)，通過選取合適的核函數(shù)以及相關參數(shù)設置構建分類器，對測試樣本進行預測分類，以達到逼近的目的，從而檢索出相似度更接近的圖像。為了從以計算機為中心轉為以用戶為中心，研究人員提出相關反饋機制，對檢索結果進行圖像標記，通過多次反饋使得檢索結果更加吻合用戶檢索意圖。
實驗系統(tǒng)以Visual C++6.0為開發(fā)工具，并結合MAT
3、LAB2013a軟件，分別提取圖像的顏色、紋理以及綜合特征，圖像分塊有效彌補了圖像空間分布信息，借鑒詞袋模型(Bag of Words)可提高分類的準確率，以不同數(shù)量的正負例圖像作為反饋檢索的實驗樣本，分別以支持向量機以及極限學習機兩種不同的學習機制進行分類器的設計，對圖像特征庫進行學習預測，以提高檢索精度。實驗表明，對于小規(guī)模圖像特征庫，支持向量機具有一定的優(yōu)勢，而對于大規(guī)模圖像特征庫，支持向量機存在一些不足，需要算法改進或者結合一些
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于內(nèi)容的圖像檢索及其相關反饋算法研究.pdf
- 基于相關反饋的圖像檢索研究.pdf
- 基于任意形狀的遙感圖像相關反饋檢索算法研究.pdf
- 基于內(nèi)容的圖像檢索相關反饋研究.pdf
- 基于相關反饋的圖像檢索方法研究.pdf
- 基于視覺感知和相關反饋機制的圖像檢索算法研究.pdf
- 基于相關反饋機制的圖像檢索方法研究.pdf
- 圖像檢索中的相關反饋和分類算法研究.pdf
- 基于聚類的相關反饋圖像檢索的研究.pdf
- 基于SVM的相關反饋圖像檢索技術研究.pdf
- 信息檢索中相關反饋算法的研究.pdf
- 基于支持向量機的圖像檢索.pdf
- 基于半監(jiān)督相關反饋的圖像檢索方法.pdf
- 基于顏色和相關反饋的圖像檢索技術的研究.pdf
- 基于顏色特征和相關反饋的圖像檢索研究.pdf
- WEB環(huán)境下基于相關反饋的遙感圖像檢索研究.pdf
- 圖像檢索中基于SVM的相關反饋技術研究.pdf
- 一種基于PCA的相關反饋圖像檢索算法與實現(xiàn).pdf
- 基于聚類和相關反饋的圖像檢索方法研究.pdf
- 基于神經(jīng)網(wǎng)絡的圖像檢索相關反饋機制研究.pdf
評論
0/150
提交評論