多示例图像检索算法研究及在人脸识别中的应用.pdf

Research and Application for Face Recognition on Image Retrieval Method based on Multi-Instance Learning A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Doctor’s Degree of Engineering By Deng Jianxun Supervised by Prof. Xiong Zhong Yang Specialty：Computer Science and Technology College of Computer Science of Chongqing University， Chongqing，China April 2012 摘 要 多示例图像检索技术是近十年来模式识别在图像检索中的一个新兴应用研究 课题，近年来多示例图像检索系统已经可以较为准确的在某些限定的条件下对图 像进行识别，随着应用范围的不断扩展，受到越来越多企业和单位的重视。现在， 多示例图像检索技术已经在图像预处理、区域级图像标注、标准图像库检索、人 脸识别等领域显现了巨大的应用价值。随着多示例图像检索技术的应用越来越广 泛，人们对于该技术实用性的要求则变得越来越严格。虽然现今的大多数算法已 经可以在较为固定的环境下对图像进行较为正确的处理，但实际使用过程中，由 于受到种种因素的影响，图像处理的精度仍然不能满足实际的要求。本文针对上 述问题进行深入研究，并取得了如下成果： 1、通过Html 标签影响因子，有效提升了 Web 图像检索效率 Web 图像处于不同html 标签对中心思想具有不同影响，如果能推导出标签对 内容的影响，并将影响因子代入到图像检索算法中，将能提升算法效率。基于这 种考虑，本文提出了 ttf(标引词标签频率)和 itf(逆标签频率)等定义，构造出文挡的 矩阵表示，并抽取每个文档的特定行(代表某个 html 标签)构成新的向量集，根据 这个新集合中各个行向量到质心的平均距离，就能得出标签的影响因子。我们把 这种辅助技术应用到 VSM 算法中，建立起需求和待检索目标的关联，实验表明影 响因子可有效标定图片的关联程度，对提升图像检索的查准率有较好的效果。 2 、利用多示例技术，将关键字有效标注在图像分割区域上 普通标注只将关键字标注在图像（包）上，而多示例技术需要在图像区域上 给予明确的关键字标注。此外，区域（示例）上关键字的唯一性对识别准确而言 也尤为重要，剔除近义词的干扰成为一个迫切的需求。为了解决这些问题，在模 糊支持向量机算法的基础上提出了自适应模糊支持向量机多示例学习算法 （AFSVM-MIL ）。该方法利用 AFSVM-MIL 对训练集进行分类，结合包之间的相 似性度量进行集合运算，可以有效的将关键字下沉到示例上，从而达到减少人工 标注量的目的。实验表明，算法自适应能力强，标注准确性高，关键词标注和区 域（示例）一一对应。 3、对基于Hausdorff 距离的多示例图像检索技术进行了深入研究和改进 Hausdorff 距离没有考虑示例向量的权值；已有基于Hausdorff 距离的多示例图 像检索算法要么对孤立点很敏感，要么只考虑到包间距离最近的 2 个示例的极端 情况。故对此做出改进，提出了两种获得示例权值的方法，并依此设计了据权值 调整距离的混合 Hausdorff 算法，将其应用在 k 均值算法中。实验证明，该模型比 I 使用最小、最大 Hausdorff 距离的 k 均值算法，在对图像的查准率上有了显著提升。 4 、提出了融合快速 EMD-MIL 框架，将多示例应用到人脸识别领域，提升了 识别效率 人脸识别的难点之一是光照、角