一种融合图学习与区域显著性分析的图像检索算法.pdfVIP

第 期 电 子 学 报 １０ Ｖｏｌ．３９ Ｎｏ．１０ 年 月 ２０１１ １０ ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡ Ｏｃｔ． ２０１１ 一种融合图学习与区域显著性分析的 图像检索算法 ， １２ １ １ 冯松鹤 ，郎丛妍 ，须 德 （ 北京交通大学计算机与信息技术学院，北京 ； １． １０００４４ 北京邮电大学智能通信软件与多媒体北京市重点实验室，北京 ） ２． １００８７６ 摘 要： 为弥合图像低层视觉特征和高层语义之间的语义鸿沟，改善图像检索的效果，机器学习算法经常被引 入到图像检索问题中 通常情况下，机器学习算法是与相关反馈机制相结合，通过用户的交互操作，标定出若干正反例 ． 图像，很自然地就可以将图像检索问题转化为模式识别中的分类问题 目前融合区域显著性分析的区域图像检索算法 ． 尚没有与机器学习算法相融合 本文结合图像区域显著性分析，并针对用户参与反馈的情况，分别提出了两种图像检 ． 索解决方案 其一，在没有用户反馈以及用户只反馈正例图像的情形下，将图像检索问题转化为直推式学习问题 ． （ ），改进已有的基于图的半监督学习算法，提出了融合区域显著性分析的层次化图表示（ ＴｒａｎｓｄｕｃｔｉｖｅＬｅａｒｎｉｎｇ Ｈｉｅｒａｒｃｈｉ ｃａｌＧｒａｐｈＲｅｐｒｅｓｅｎｔａｔｉｏｎ）方式，用以实现标记传播；其二，在用户同时反馈正反例图像的情形下，利用用户反馈得到的正 反例图像构建相似性邻接矩阵，通过流形排序算法（ ）学习出用户感兴趣的查询目标概念并用相应的 ＭａｎｉｆｏｌｄＲａｎｋｉｎｇ 特征向量集合表示，并据此查询图像库返回用户语义相关的图像集合 实验结果验证了这两种检索策略的有效性 ． ． 关键词： 图像检索；区域显著性；图学习；流形排序；相关反馈 中图分类号： 文献标识码： 文章编号： （ ） ＴＰ３９１ Ａ ０３７２２１１２２０１１１０２２８８０７ ＣｏｍｂｉｎｉｎｇＧｒａｐｈＬｅａｒｎｉｎｇａｎｄＲｅｇｉｏｎＳａｌｉｅｎｃｙＡｎａｌｙｓｉｓｆｏｒ ＣｏｎｔｅｎｔＢａｓｅｄＩｍａｇｅＲｅｔｒｉｅｖａｌ ，