论文部分内容阅读
随着多媒体技术和互联网技术的蓬勃发展，图像已成为日常生活中的一种重要信息载体。面对日益增长的大规模图像数据，用户很难在其中找到其真正需要的图像，从而各种各样的图像分类与检索技术得到了多媒体研究人员的关注。 本文主要从三个方面对图像分类与检索进行研究：图像底层视觉特征的提取、多元分类器的构造、图像检索的相关反馈，并在研究的基础上开发了图像分类与检索系统。 在图像视觉特征提取方面，本文从颜色、纹理、形状三个方面展开了研究，重点学习和研究了常用的图像底层视觉特征提取的方法，并分析比较了各个特征的优缺点。 在多元分类器构造方面，本文在基于SVM多元分类器构造研究的基础上，提出了一种自适应权重调节的多特征分类算法，当采用多个特征表示图像内容时，该算法能够依据训练样本集自动学习各个特征的权重。实验证明，与一般的多特征组合方式相比，本文所提方法对图像分类性能有一定的改善。另外本文所提方法的一个明显优点在于能够根据训练样本集自动学习每个特征的权重，从而使系统在训练和识别不同类别的图像时，有一定的自适应和调节能力。 在图像检索的相关反馈方面，首先分析了SVM用于相关反馈学习存在的弊端，然后结合他人对所存弊端的解决方法，本文将查询扩展引入了基于SVM的相关反馈学习，提出了基于SVM和查询扩展的相关反馈算法。实验证明，本文所提出的方法优于单纯基于SVM的反馈学习和单纯基于查询扩展的反馈学习。