基于K-way Min-Max Cut聚类算法的垃圾图片过滤ased on the K - way Min - Max Cut clustering algorithm of spam image filtering.docxVIP

浙江大学硕士学位论文 浙江大学硕士学位论文 摘要 摘要 目前大多数流行的图像搜索引擎，都利用从图像的上下文中抽取出来的文本信 息来建立索引。这种机制下的检索结果往往含有大量的垃圾信息，因为文本上下文 与检索关键词匹配，不一定代表图像本身与检索关键词匹配：最关键的是这种机制忽 略了图像视觉内容信息本身。针对Google Images图像搜索引擎的检索返回结果，我 们提出了一种新的、基于聚类方法的垃圾图片过滤方法。 首先，我们对Google Images的检索结果进行图像特征抽取。为了准确得描述 图像视觉内容信息，我们采用了三种不同性质的图像特征。同时设计了线性混合内 核函数将这些图像特征混合在一起，构建出相似性矩阵。然后，利用K．way Min．Max Cut算法对返回图像进行聚类，与聚类过程相迭代的是线性混合内核的权重系数调 整过程，从而各内核系数的设定得以自动完成。聚类完成后，对各个类进行排序。排 序的策略是先选出质量最优秀的类，剩余的类再按照其与质量最优类之间的相似性 大小进行排序。最后，根据所需的返回图像数目，过滤掉排在末尾的图像类。 我们的垃圾图片过滤算法拥有很具竞争力的实验表现。在低召回率的实验中， 我们的算法在多数情况下比当前最优秀的过滤算法表现优秀，说明了聚类算法和最 优类选择策略的鲁棒性。在多召回率的试验中，我们的算法比Google Images有很好 的精度提高