基于粒子群的图像检索相关反馈算法01127

基于粒子群的图像检索相关反馈算法01127

ID:33493983

大小:3.22 MB

页数:7页

时间:2019-02-26

基于粒子群的图像检索相关反馈算法01127_第1页
基于粒子群的图像检索相关反馈算法01127_第2页
基于粒子群的图像检索相关反馈算法01127_第3页
基于粒子群的图像检索相关反馈算法01127_第4页
基于粒子群的图像检索相关反馈算法01127_第5页
资源描述:

《基于粒子群的图像检索相关反馈算法01127》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第8期电子学报Vol.38No.82010年8月ACTAELECTRONICASINICAAug.2010基于粒子群的图像检索相关反馈算法许相莉,张利彪,刘向东,于哲舟,周春光(吉林大学计算机科学与技术学院,吉林长春130012)摘要:将粒子群优化算法的进化搜索过程与用户的反馈过程有效结合,提出了一种基于粒子群的图像检索相关反馈算法,避免了初始检索对用户认知的影响以及对反馈效果造成的局限性,并使得用户对检索目标的理解逐渐清晰,能够有效全面的搜索图片库,同时避免多次反馈造成的算法效率和检索效果之间的矛盾.通过实验验证了算法的有效性.关键词:相

2、关反馈;粒子群优化;图像检索中图分类号:TP391文献标识码:A文章编号:03722112(2010)08193506ImageRetrievalRelevanceFeedbackAlgorithmBasedonParticleSwarmOptimizationXUXiangli,ZHANGLibiao,LIUXiangdong,YUZhezhou,ZHOUChunguang(CollegeofComputerScienceandTechnology,JilinUniversity,Changchun,Jilin130012

3、,China)Abstract:Theevolutionsearchingprocessofparticleswarmoptimization(PSO)algorithmanduserfeedbackprocessarecombinedeffectively,andanimageretrievalrelevancefeedback(RF)algorithmbasedonPSOisproposed,inwhichtheinfluencetouserperceptionandlimitationtofeedbackeffectcausedbyi

4、nitialretrievalareavoided.Thealgorithmmakesusers′understandingtotheretrievalgoalbecomecleargradually,couldsearchimagedatabaseeffectivelyandcomprehensively,andatthesametimeitcouldavoidthecontradictionofefficiencyandretrievaleffectcausedbymultifeedback.Experimentshaveverifi

5、edthevalidityoftheproposedalgorithm.Keywords:relevancefeedback(RF);particleswarmoptimization(PSO);imageretrieval[5]方法.针对RF问题已有一些方法被提出,文献[6]将1引言RF看作贝叶斯推理问题,将正、负反馈同等对待进行处随着多媒体信息的迅速膨胀,人们对图像检索的需理;文献[7]和文献[8]分别提出了一种基于贝叶斯分类求日益增多,传统的基于文本的检索技术已不能适用于器的RF算法,利用不同反馈策略分别处理正、负反馈;大规模图像集,

6、基于内容的图像检索(ContentBasedIm文献[9]为了克服训练样本过少以及正、负样本的不对ageRetrieval,CBIR)逐步成为多媒体技术应用领域的研称性,提出了一种贝叶斯主动学习机制;文献[10]提出究热点.CBIR是指利用图像的视觉内容,如颜色、纹理、了一种基于分类器合并的RF方法,同时可以自动调节形状、空间布局、语义等,从大量图片数据中搜索用户感CBIR中的距离函数权重;文献[11]通过RF获取合适的兴趣的图片.目前,CBIR技术主要采用基于范例的查询特征权重,并同时进行参数的动态选择.这些RF算法[1]方式进行检索,

7、但由于语义鸿沟的存在使得此类检索虽然取得了一定的检索效果,但是还存在一些问题:(1)系统不能很好的理解用户的需求,这也是导致其性能不算法都假设用户对检索目标十分明确,然而在实际的高的一个主要原因.为此,人们又将相关反馈(RelevanceCBIR中,绝大多数情况下,用户在进行检索之前对目标[2]Feedback,RF)技术应用到图像检索领域.RF技术首先的理解是比较模糊的;(2)算法中用户的初次反馈都是[3][4]在文本检索领域被提出,随后被引入到CBIR领域,建立在某个特定的检索算法基础上的,而初次检索结果本质上是一种指导性学习的查询优化

8、方法.RF技术把对用户的反馈和用户对图像库的认识都会有很大影响,人的参与引入到检索过程中,从而将检索模式从一次进这就导致反馈效果会有很大的局限性;(3)算法为了得行变成交互式的多

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。