基于贝叶斯的图像检索系统基于贝叶斯的图像检索系统.doc

基于贝叶斯的图像检索系统，图像捕食者：理论，实现和实际试验 摘要—这篇文章呈现了图像检索的理论，设计原理，实现和图像检索的表现结果，这个基于内容的图像检索的系统的模型在过去的三年里取得了一些进展。除此之外，这个文件还展现了实际试验的原理，构思和结果，这些试验被进行用来尝试解决一些在图像检索的发展中出现的关键问题。这个图像捕食者计划对基于内容的图像捕食者主要有四个贡献。首先，图像捕食者呈现了一个大体的贝叶斯架构被我们用来描述相关反馈来进行搜索的一个简单例子。有了用户要怎么做的明确模型，知道了用户想要的目标图像，图像捕食者根据用户的动作来使用贝叶斯规则来预测出用户想要的目标图像。这个过程通过分析概率分布来进行，而不是通过改善查询。其次，一个最小嫡陈列算法来描述试图把通过每次搜索从用户获得的信息最大最大化。再次，图像捕食者利用隐藏的备注而不是可能不准确的或者用户必须学习和查询的前后矛盾的备注结构。最后，图像捕食者引入了两个实验范例来从数量上评估这个系统的表现，而且实际试验也用来支持这个理论上的论述。 索引词---贝叶斯搜索，基于内容的搜索，数字图书馆，图像搜索，相关反馈。 I.引言 对数字信息，尤其是图像，音乐，视频信息的搜索正在商业和娱乐中的作用变得越来越重要。基于内容的图像捕食者正受到研究人员更加广泛的研究兴趣。这种趋势被快速成长的图像数据库所驱动，而这种结果又反过来对高效率的搜索方案提出更高的要求。一次搜索典型的由一次问询和紧随其后的不断重复的相关反馈组成，在相关反馈中用户留下了对修复结果的词汇的评论。用户的问询提供了对需要图像或者图像类别的一种描述。这种描述可以采用多种形式：它可以是有注释的图像数据库中的一系列关键词，或者对目标图像的大致描述，或者是一个示例图像，或者是代表着例如整体亮度，特定颜色像素百分比等量化特征的数值。不幸的是，用户在说明这些描述的时候经常存在困难，而且电脑程序在理解它们的时候也存在困难。更重要的是，即便用户可以提供一个比较好了初始问询词语，如何去数据库中搜素也是是一个难题。当问询提出之后用户肯能需要补充一些额外的信息，例如哪种寻回的图像是他们的目标，哪种寻回的图像最接近他们的目标。这种相关反馈比起问询的方式更加具有交互性而且交互性更加简单。 时至今日，搜索界明显偏重于使用问询词语来找到更好的图像的呈现。在图像建立中对这种趋势的强调过多以致于使得相关反馈被使用的很少甚至不存在，尤其是当需要用户修改他们的问询的时候。在这种情况下，搜索能力就完全依靠从图像中提取特征的质量和用户给出一个比较好了问询词的能力。相关反馈的效果可以比这个好的多。尤其是，用户提供的信息不必使用问询的语言表现出来，但是可能会修改特征的权重或者组建新的特征架构。 图像捕食者利用贝叶斯的方法把这种思想发扬光大，把用户目标的不确定性用可能的目标上的概率分布呈现出来。这种利用贝叶斯的方法来解决问题被Cox et al倡导。在有着一个明确的用户行动的模型时候，假设一个可能的目标，图像捕食者根据用户的动作来利用贝叶斯的规则来预测目标图像。所以搜索问题就被转化为预测用户的问题。第四部分将描述怎样得到这种预测模型。 利用CBIR来搜索的一个阻碍就是缺少对搜索算法表现的一个定量的比较。典型的，有关搜索的长度的统计数据要被提出，例如，在基本让人满意的与目标图像相似的图像被找到之前被访问的图像的数量。这里“相似”这个词语的使用应该引起人们的深思，很明显，搜索长度依赖于数据库的内容结构和对把一个图像认为是相似的标准的定义有多么的严格。在这篇文章中，搜索可以被分为三个大类。 限定目标搜索 或者简单的说 目标搜索：用户被要求在数据库中找到特定的图像，除此之外的任何图像都不能使得搜索终止，无论搜索到的结果与目标图像多么的相似。这种类型的搜索在检测领域很有价值，例如可以用来检查一个特定的图标是否已经被注册，或者寻找一个特定的历史图片来匹配一个文档，或者寻找一个文章和标题都被搜索着忘记的一个作品。 目录搜索：用户搜索一个属于一个特定的类别的图像，例如，“狗，”“小鸡，”“摩天大厦，”或者“篮球比赛的场景”；某种情况下，当一个用户被要求去寻找一个跟目标图像足够相似的图像时，用户会采用目录搜索。 开关搜索—浏览搜索：用户搜索一个专门的数据库的时候头脑中的目标非常广泛和普通。在一个典型的应用中，一个用户可能最初想搜索一个贴在壁纸上的柔和的几何图形，但是在搜索的过程中，当用户搜索数据库的时候，目标可能会几经改变。 上面提到的贝叶斯的方法可以适应上述三种搜索策略。我们主要把焦点放在目标搜索，原因将在第五部分说明。 有一个可预见的模型的另一个优势是我们可以模拟这个模型来评估你个特定形式的交互会有多么的有效，进而设计出最佳的交互方案。在第七部分，我们描述了一个