一种改进的聚类算法在CBIR中的应用.pdfVIP

一种改进的聚类算法在CBIR中的应用 刘宝全赵合计杜林 (山东大学计算机科学与技术学院 济南250061) 摘要在传统的基于内容的图像检索系统中，存在着图像底层视觉特征和高层语叉之间的“语义鸿沟”，导致捡 索教果不佳。为缩短“语义鸿沟”，该文提出了一种改进的聚类算法，应用于CBlR系统。采用了此聚类算击的检索 模型由肚下几个部分组成：(”图像特征抽取(2)聚类分析(3)相关反馈。实验证明：基于改进聚类算法的系统检索 性能得到了显著提高。 关键词 图像检索，聚粪，基于内容，非监督式学习 CBIR byImprovedClustering LIU ZHAOHe-JiDU Bao-Quan Lin． (Schoolof ComputerScience＆Technology，ShandongUniversity，Jimr,250061) AbstraetThis CBIR rlovelideaof isusedto describe．amodel，and a paper proposes Improved(21ustering，which efe。aftulrOe，s 000 images． Imageretrieval，Clustefing，Contentlearning KeⅣofds based，Unsupervised 征实现簇的重构，应用于CBlR能达到较好的检索 1介绍 效果。 基于内容的图像检索Content-Based本文第2节介绍采用聚类算法的CBlR模型概 hnage 况和图像特征选择、表示；第3节阐述了本文的核心 Retrieval(CBIR)相对于基于文本的图像检索来说， 更具客观性，自动化程度高，有良好的应用前景。但 细想：聚类算法；第4节讲述的是实验仿真；最后进 现有的CBIR系统，如QBIC、Virage、PhotoBook等行了总结，提出局限之处以及今后的研究方向。 根据图像的底层视觉特征相似性进行检索，其检索 2系统模型 结果与人们的检索要求有较大差距，造成了图像底 层视觉特征与其高层语义之问的距离，即“语义鸿 2．1系统概述 沟”。如何消除或缩短“语义鸿沟”是当前CBIR技 本文提出了一种CBIR模型。它主要分为三部 术研究的难点也是关键所在。微软研发的iFind系分：首先，是特征抽取，生成图像特征库以及检索特 统采用了相关反馈策略，但这种方法需要人的交互 征向量。然后，根据全局特征空间的特征相似度检 实现，工作量较大。分类的方法将图像分为语义上 索出查询罔像的多个邻近图像，用聚类算法对邻近 的不同类别，在某些特定领域取得了成功，但其泛化 图像进行聚类，将其划分为多个不同的语义簇。最 后，查询图像与各簇的中心图像进行匹配，返回匹配 能力相对较差。ChanYiXin等人提出将聚类分析 应用于CBlR，并研发了C1ⅣE系统口]，取