利用SVM和Matlab开发图像内容检索系统方法.docVIP

利用SVM和Matlab开发图像内容检索系统方法 　　摘要: 为了验证图像内容检索新技术的有效性和实用性，设计了一种图像内容检索原型系统的快速开发方法，利用Matlab的图形化用户界面开发工具和适合小样本学习的支持向量机机器学习方法提出了系统开发思路和方法，在提高系统开发效率的同时降低了开发难度，对以研究为目的的科技工作者有重要的借鉴和应用意义. 　　关键词: 基于图像内容的检索；支持向量机；图形化用户界面；特征提取 　　中图分类号:TP391.41 　　 文献标识码:A文章编号:1672-8513(2010)03-0207-04 　　Method for Developing Content-Based Image Retrieval 　　Systems Based on SVM and Matlab 　　XIE Hong?sheng?1, SUN Long?mei?1, WANG Lian?guo?2 　　 (1. School of Information Technology, Women’s Academy at Shandong, Jinan 250300, China; 2. College of Sciences, China University of Mining Technology, Xuzhou 221008, China) 　　Abstract: 　　In order to verify the effectiveness and practicality of the new technology for content-based image retrieval, a method for the rapid development of content-based image retrieval systems is proposed, which combines the systems development ideas with the relevant methods through using graphical user interface development tools of Matlab and support vector machine methods suitable for small sample study; it improves efficiency in system development while reducing development difficulty, and has much practical significance to the scientists concerned. 　　Key words: content-based image retrieval（CBIR）; support vector machine（SVM）; graphical user interface（GUI）; feature extraction 　　随着互联网和多媒体技术的快速发展，人类可获取和应用的图像数据类别及数量正以惊人的速度增长，用户迫切希望快速、准确地找到需要的图像，早期的基于文本标注的查询方式显然已不能满足今天的发展和需求，基于图像内容的检索（CBIR）成为近年来较为活跃的研究领域之一，其融合了图像理解、人工智能、模式识别和机器学习等多项技术［1］. 　　 基于内容的图像检索在图像搜索引擎、商标注册［2］、遥感影像查询［3］等领域得到广泛应用，已成为管理海量图像数据资源的有效技术手段，检索新技术的研究和发展离不开合适的测试环境或模拟工具，但目前市场上没有合适的商业工具所用，如果开发一个图像内容检索原型系统要学习和掌握多方面的技术，需要投入大量的时间、精力和物力，对以研究和验证新技术有效性为目的的广大科技工作者来说是难以承受的，这严重制约了图像内容检索新技术的深入研究和进一步发展.为进一步提高图像内容检索技术的实用性，机器学习方法应用于图像内容检索成为信息检索领域近年来的研究热点之一，如何应用新的机器学习方法来提高图像内容检索的性能具有十分重要的理论研究和实用意义，同时，机器学习方法和图像内容检索技术的有效融合和相互渗透也是非常具有挑战性的研究课题. 　　 根据上述的分析和探讨，本文提出一种开发图像内容检索原型系统的简单可行的实用方法，利用具有功能强大、简单易学和编程效率高等特点的Matlab语言开发了图像内容特征的提取、存储及索引等算法；利用Matlab开发环境提供的图形化用户界面（GUI）技术有效地降低了相似图像浏览、相关图像标注和检索结果显示等界面设计工作的复杂度和难度，并将一种新的机器学习方法-支持向量机