基于鲁棒特征的多媒体检索技术.pdfVIP

摘要 摘 要 自进入二十一世纪以来，随着互联网的发展和智能设备的普及，供用户实时上传 照片、视频的环境条件越来越成熟，在互联网上流通的图像、视频的数量呈现爆发式 的增长。与之同时增长的还有用户不断提高的检索体验需求，用户期望在进行网络检 索时，能够实时获得准确有效的检索结果。在这种环境下，如何满足用户的需求，提 供与快速发展的信息技术相匹配的多媒体检索技术，是一个亟待解决的问题。为解决 上述问题，国内外学者对多媒体检索技术进行了深入的研究。其中，提取图片、视频 的鲁棒特征，将这种具有良好区分性、稳定性的特征作为图像、视频等多媒体检索依 据，并快速准确的返回用户期望的检索结果，是多媒体检索技术的有效方法之一。 图像和视频是传输和使用频率最高的多媒体数据形式，因此本论文对以这两种类 型的为主的多媒体检索算法进行研究。 对于图像检索领域，本论文主要研究基于鲁棒特征的图像检索技术，提出了一种 利用迁移学习构建鲁棒特征的图像检索算法，该算法的主要贡献及创新点在于利用迁 移图实现迁移学习，进而生成一种能够充分表达图像携带的不同模态信息内容的特征 表示。首先从图像的视觉特征、文本特征、分类特征所在的领域学习相关知识；然后 在不同领域之间进行知识迁移，获取各领域特征之间的相互联系；最后根据各领域知 识及领域间的相互联系得到该特征表示，并用于图像检索，有效的提升了算法检索性 能。 对于视频检索领域，本论文主要研究基于鲁棒特征的视频检测技术，提出了一种 利用Delaunay 三角剖分构建鲁棒特征的视频检索算法，该算法的主要贡献及创新点 在于利用Delaunay 三角剖分算法，生成了一种能够充分表达视频时域中时序信息和 空域中视觉信息的视频特征表示。首先提取视频中的特征点，构成集合；然后对该特 征点集合进行Delaunay 三角剖分，得到具有唯一性、规则性、稳定性的一组四面体 集合，该四面体集合兼具时域特征、空域特征，以及时域与空域之间的相互联系；最 后，基于四面体集合得到视频特征表示，用于视频检索，有效提升了算法性能。 关键词：图像检索；视频检索；鲁棒特征；Delaunay 三角剖分；迁移学习 i 基于鲁棒特征的多媒体检索技术 目 录 1 1 第 章 绪论 1.1 研究背景与意义 1 1.1.1多媒体的定义 1 1.1.2多媒体检索的定义 1 1.1.3多媒体检索的特点2 1.1.4信息检索的评价指标2 1.1.5鲁棒特征的定义4 1.1.6特征相似性度量方式4 1.2 国内外研究现状5 1.2.1图像检索技术的国内外研究现状 6 1.2.2视频检索技术的国内外研究现状 8 1.3 论文的主要研究内容9 1.4 论文的组织结构 10 1.5 本章小结11 2 12 第 章 基于鲁棒特征的图像检索技术 2.1 引言 12 2.2 相关理论介绍 12 2.2.1迁移学习 12 2.2.2拉普拉斯矩阵 13 2.2.3PCA 算法 14 2.3 利用迁移学习构建鲁棒特征的图像检索技术 15