SVM用于基于内容的自然图像分类和检索.pdf

SVM用于基于内容的自然图像分类和检索.pdf

ID:58220255

大小:299.28 KB

页数:8页

时间:2020-04-28

SVM用于基于内容的自然图像分类和检索.pdf_第1页
SVM用于基于内容的自然图像分类和检索.pdf_第2页
SVM用于基于内容的自然图像分类和检索.pdf_第3页
SVM用于基于内容的自然图像分类和检索.pdf_第4页
SVM用于基于内容的自然图像分类和检索.pdf_第5页
资源描述:

《SVM用于基于内容的自然图像分类和检索.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第26卷第10期计算机学报Vol.26No.102003年10月C~INESEJOURNALOFCOMPUTERSOct.2003SVM用于基于内容的自然图像分类和检索付岩1>2>1>1>2>王耀威王伟强高文1>(中国科学院计算技术研究所北京100080>2>(中国科学院研究生院北京100039>摘要在传统的基于内容图像检索的方法中由于图像的领域较宽图像的低级视觉特征和高级概念之间存在着较大的语义间隔导致检索效果不佳.该文认为更有现实意义的做法是缩窄图像的领域以减小低级特征和高级概念间的语义间隔并利用机器学习方法自动建立图像类的模型从而提供用户概念化的图

2、像查询方式.该文以自然图像领域为例使用支持向量机(SVM>学习自然图像的类别学习到的模型用于自然图像分类和检索.实验结果表明作者的方法是可行的.关键词支持向量机;基于内容的图像检索;图像分类;特征不变性中图法分类号TP391Content-basednaturalimageClassificationandretrievalusingSVM1>2>1>1>2>FUYanWANGYao-WeiWANGWei-giangGAOWen1>(InstituteOfCOmPutingTechnOlOgSChineseacademSOfSciencesBeijing

3、100080>2>(GraduatedSchOOlOftheChineseacademSOfSciencesBeijing100039>AbstractInthetraditionalapproachofcontent-basedimageretrievalthewideimagedomainresultsinthewidesemanticgapbetweenthelow-levelfeaturesandthehigh-levelconcepts.Weproposetonarrowtheimagedomainandusemachinelearningme

4、thodstoautomaticallyconstructmodelsforimageclassesthusprovidinguserswithaconceptualizedwaytoimageCuery.Inthispapersupportvectormachinesaretrainedfornaturalimageclassification.Theresultingimageclassmodelsareincorporatedintoimageretrievalsystemsothattheuserscansearchnaturalim-agesb

5、yclasses.Theexperimentalresultsarepromising.Keywordssupportvectormachines;content-basedimageretrieval;imageclassification;featureinvariance1]义的角度可以分为两类:一类是基于相似度的方l引言法.通常由用户指定一个样例图像然后比较这个样例图像与数据库中的图像的视觉特征相近的作为2]3]由于数字图像数量的猛增对其进行快速~高效查询结果.这类系统包括gBICVirageVisu-4]检索的要求愈加强烈.从20世纪90年代初

6、开始基alSeek等等.这类系统一般是通用的查询系统对于内容的图像检索技术得到了广泛发展.本文介绍图像的领域没有限制.但是具有相同或相似低级视的方法的目的在于对自然图像的内容进行学习并觉特征的图像可能有着完全不同的概念信息.也就用于分类和检索.是说在图像的低级特征和高级概念之间存在着语1]基于内容的图像检索从如何赋予视觉特征以语义间隔(semanticgap>.图像的领域越宽间隔就收稿日期:2002-04-08;修改稿收到日期:2003-03-18.本课题得到国家八六三高技术研究发展计划项目实时图像检索与过滤关键技术研究课题(2001AA142140>和

7、国家网络与信息安全中心网络视频流内容检测技术研究及系统课题资助.付岩男1977年生博士研究生主要研究方向为模式识别~机器学习.E-mail:yfu!ict.ac.cn.王耀威男1976年生博士研究生主要研究方向为多媒体技术~模式识别.王伟强男1972年生博士副研究员主要研究方向为多媒体技术~模式识别.高文男1956年生博士教授博士生导师主要研究领域为人工智能应用和多媒体技术侧重于计算机视觉~模式识别与图像处理~多媒体数据压缩~多模式接口以及虚拟现实等的研究.1262计算机学报2003年越大.所以这类系统虽然取得了一定成功,但检索效一致向量

8、herencevector>和颜色相关图果却常常不如人意.

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。