学位论文 > 优秀研究生学位论文题录展示

图像搜索重排序关键技术研究

作　者: 井佩光
导　师: 张静
学　校: 天津大学
专　业: 信息与通信工程
关键词: 图像搜索重排序维数约简典型相关性分析直推学习
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 4次
引　用: 0次
阅　读: 论文下载

内容摘要

基于内容的图像分析技术在图像检索中的应用已经引起越来越广泛的关注，图像搜索重排序技术是其中一种利用图像的视觉信息对初始文本搜索结果进行再次分析与排序的新技术。有效的视觉表征是其中的关键技术之一，然而由于视觉特征具有高维及存在“语义鸿沟”等问题，直接应用现有视觉特征难以获得较好的排序性能。维数约简方法可以在一定程度上克服这些缺点，但是传统的维数约简维数约简算法往往是针对分类任务提出的，并不适合于排序问题。排序学习与分类任务并不等同，因此设计适用于图像搜索重排序学习的维数约简算法显得尤为重要。为此，本文有针对性地进行了若干研究，主要工作及创新为：（1）基于PCA（Principal Component Analysis）降维后每个维度具有的不同比重的贡献率，提出了一种基于主成分分析的相似度计算方法SM-PCA，并在此基础上提出了一种利用少量标注样本即可得到较好的排序性能的直推式半监督重排序方法。在该方法中采用迭代的方式计算扩展训练样本集合，并利用训练样本集合训练排序模型，最后对待排序的样本进行重排序，在网络搜索引擎下载的图像数据库验证了算法性能的有效性。（2）提出了一种基于典型相关性分析的排序维数约简算法。在排序学习中广泛存在的是样本的相关性等级信息，其与样本的类别标签信息有很大的不同。基于此，在典型相关性分析算法的基础上，把排序问题中样本的相关性等级信息引入到维数约简技术中，设计适用于多模态数据的维数约简算法。将其应用到图像搜索重排序中，大量实验表明所提算法可以显著地改善图像检索性能。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-11
  1.1 图像搜索重排序的研究意义  8-9
  1.2 图像搜索重排序的研究现状  9-10
  1.3 论文结构安排  10-11
第二章排序算法与维数约简  11-23
  2.1 排序学习  11-13
    2.1.1 排序支持向量机  12-13
  2.2 流形顺序回归  13-15
  2.3 维数约简  15-21
    2.3.1 维数约简的研究意义与现状  15-17
    2.3.2 主成分分析  17-18
    2.3.3 线性判别分析  18-19
    2.3.4 局部线性嵌入  19-20
    2.3.5 拉普拉斯特征映射  20
    2.3.6 典型相关分析  20-21
  2.4 本章小结  21-23
第三章基于直推学习的图像搜索重排序方法  23-34
  3.1 图像之间的相似性测度  23-25
  3.2 监督学习、半监督学习与直推学习  25-26
  3.3 基于直推学习的图像搜索重排序方法  26-29
  3.4 实验及结果  29-32
    3.4.1 数据准备  29-30
    3.4.2 实验过程  30
    3.4.3 排序学习中的评价准则  30-31
    3.4.4 实验结果  31-32
  3.5 本章小结  32-34
第四章基于排序典型相关分析的图像搜索重排序  34-46
  4.1 引言  34-35
  4.2 基于排序典型相关性分析的降维算法原理  35-37
  4.3 基于排序典型相关性分析的降维算法的求解与实现  37-40
  4.4 实验与结果分析  40-44
    4.4.1 数据准备  40-41
    4.4.2 实验结果  41-44
  4.5 本章小结  44-46
第五章总结与展望  46-48
  5.1 本文研究内容回顾  46-47
  5.2 研究工作展望  47-48
参考文献  48-54
发表论文和参加科研情况说明  54-55
致谢  55

图像搜索重排序关键技术研究

内容摘要

全文目录

相似论文