资源描述：
《的相关反馈图像检索算法》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、基于NMF的相关反馈图像检索算法卢进军，杨杰，梁栋，常宇畴（上海交通大学图像处理与模式识别研究所，上海200030）摘要：相关反馈技术是近年来在图像检索中较为重要的研究方法，由于有人的参与，它能在一定程度上弥补图像的底层特征难以表达图像语义内容的不足。本文提出了一种基于非负矩阵分解(NMF)的新的相关反馈方法。在每次反馈中，由用户标记的正样本图像的特征向量构成矩阵，进行NMF分解，得到NMF的基矩阵和正样本的系数矩阵，并根据分解所得的模型进行检索。由于NMF在一定程度上勾勒出了相关图像在基矩阵所代表的空间中的分布，因而对整个图像库进行检索时可以查找到更多的相关图像。使用由500幅图像组成
2、的图像库进行实验，结果表明：该方法通过交互的反馈过程，有效地检索出更多的相关图像。关键词:图像检索、相关反馈、非负矩阵分解、交互式检索Non-negativeMatrixFactorizationbasedrelevancefeedbackalgorithminimageretrievalAbstract:Relevancefeedbacktechniquehasbeenanimportantapproachinimageretrieval.Becauseofincludinghuman’sparticipation,itcanreparationthedisadvantagethatt
3、hebasicfeaturesofimagecannotrepresentitssemanticcontentwell.AnovelrelevancefeedbackalgorithmispresentedbasedonNon-negativeMatrixFactorizationlearningincontent-basedimageretrievalsystem.Duringtheretrievalprocess,userscanmarkpositivesampleimagessimilartothequeryimage.ThenthealgorithmconstructsaNMFb
4、asicmatrix,whichcanbeusedtofindmorerelevantimagesinthewholeimagedatabase.Experimentswerecarriedoutonabigsizedatabaseof500images.Itshowsthatmoreimagesrelevanttothequeryimagecanbefoundefficientlybytheinteractivelearningandretrievalprocess.Keywords:imageretrieval;relevancefeedback;Non-negativeMatrix
5、Factorization,interactiveretrieval1．引言基于内容的图像检索,是近年来较为活跃的研究领域之一。传统的基于特征抽取和相似性距离度量的方法,由于计算机自动抽取的图像特征和人所理解的语义间存在巨大的差距,[1][2]其检索结果难以令人满意。因此近年来出现了相关反馈方法。相关反馈方法的基本思路是在检索过程中,允许用户对检索结果进行评价和标记,指出结果中哪些是与查询图像相关的,哪些是不相关的,然后将用户标记的相关信息,作为训练样本反馈给系统进行训练,指导下一轮检索,从而使得检索结果更符合用户的需要。典型的相关反馈方法一方面修改查询向量使其向相关图像的中心移动,另一
6、方面,利用反馈信息修改距离公式中各分量的权值,突出查询向量中较为重要的分量。还有比较新颖的[3][4]基于支持向量机(SVM)的相关反馈算法，将用户在初始反馈结果中标记正反例图像作为二类图像的样本进行训练，建立SVM模型的分类器，从而进行进一步检索。本文通过对非负[5][6][7][8]矩阵分解(NMF)的研究,提出基于NMF的相关反馈算法。在每次反馈中，由用户标记的正例样本构成样本特征矩阵,进行NMF分解，得到基矩阵和系数矩阵,构成NMF分解模型。并依此模型，对库中的图像进行检索。实验证明：NMF在图像检索中可以有效地改善检索结果。2.NMF算法简介2．1非负矩阵分解在这一节，我们将简
7、要的介绍一下NMF分解算法。给定一个大小为n×m非负矩阵V，NMF算法可以得到一个大小为n×r的非负矩阵W和一个大小为r×m的非负矩阵H，使得V≈WH（1）这里，r值的选择应该确保()n+mr
