计算机科学与技术硕士论文：图像检索_图像标注_SVM_相关反馈_D-S证据理论.docVIP

计算机科学与技术硕士论文：结合D-S证据理论与多SVMs的图像标注和检索 【中文摘要】基于内容的图像检索就是指在用户给定查询图像的条件下,根据图像的内容从大规模的图像库中搜索出与查询图像一致或相似的图像,但是图像低层视觉特征和高层语义之间的“语义鸿沟”是图像检索的一个关键问题,为了提高图像检索系统的性能,本文提出了一种结合D-S证据理论与多个支持向量机的新算法来增强图像标注和检索系统的性能。在图像标注和检索系统中,将基于全局的SVM和Co-SVM结合在一起,其中基于全局的SVM是在全局颜色和纹理特征上训练得到的,通过证据理论对SVM的输出进行修正,从而得到较好的分类结果;Co-SVM是根据不同低层视觉特征的统计特性,使用不同的核函数,分别在颜色和纹理特征空间上学习得到的,使用D-S证据理论对它们的分类结果进行融合得到最后的分类结果;最后采用D-S规则将多个SVM修正后的结果进行融合,根据融合的结果,可以得到未标记样本的确信度。同时我们也提出了一个新的主动反馈算法,将整个检索结果看成是候选标记集,用户可以根据自己的查询需要选择包含信息量较大的图像来标记,利用较多的正样本来减少标记的耗费,提高分类器的精度,从而也减少了反馈的次数,使得检索结果尽快达到终端用户需求的。给定一个输入图像,图... 【英文摘要】Content-based image retrieval refers to find the images which are same or similar with the given query image from a large image database according to the images content. However, the―semantic gap‖of low-level features and high-level semantics of images is key issue for image retrieval, in order to improve the performance of image retrieval system, in this paper, a novel image retrieval system is proposed, which integrates two sets of support vector machines (SVMs), namely global-based SVM and Co-SVM, for im... 【关键词】图像检索 图像标注 SVM 相关反馈 D-S证据理论 【英文关键词】Image Retrieval Image annotation SVM Relevance feedback D-S Evidence Theory 【目录】结合D-S证据理论与多SVMs的图像标注和检索 摘要 4-5 Abstract 5-6 第一章 绪论 9-18 1.1 引言 9-11 1.2 研究目的及意义 11-13 1.3 研究现状 13-15 1.4 本文主要研究内容 15-16 1.5 论文结构 16-18 第二章 基于内容的图像检索和图像标注 18-30 2.1 图像的颜色特征 19-20 传统的颜色直方图 19-20 模糊颜色直方图 20 颜色相关图 20 基于颜色\形状的方法 20 2.2 图像的纹理特征 20-23 LBP 算子 21-22 Gabor 小波变换 22-23 2.3 图像的形状特征 23-25 2.4 相似性度量 25-26 2.5 相关反馈 26-28 2.6 性能评价 28-29 2.7 本章小结 29-30 第三章 支持向量机和D-S 证据理论 30-37 3.1 二类SVM 30-32 3.2 一类SVM 32-33 3.3 常用核函数 33-34 3.4 D-S 证据理论 34-36 3.5 本章小结 36-37 第四章 结合D-S 证据理论与多SVMs 的图像标注和检索方法研究 37-45 4.1 SVM 在图像标注中的应用 38-40 4.2 SVM 在图像检索中的应用 40-44 4.3 本章小结 44-45 第五章 结合D-S 证据理论与多SVMs 图像标注和检索算法与实现 45-69 5.1 详细算法 45-50 低层特征及核函数 45-46 SVM 的概率输出 46-47 决策输出 47 算法详细设计 47-50 5.2 图像标注和检索系统的设计与实现 50-62 系统功能模块设计 51-53 低层特征提取 53-55 SVM 训练 55-57 系统界面设计及实现 5