基于多尺度分析和SVM相关反馈的纹理图像检索

《基于多尺度分析和SVM相关反馈的纹理图像检索》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３８卷第２期山东大学学报（工学版）２００８年４月Ｖｏｌ．３８Ｎｏ．２ＪＯＵＲＮＡＬＯＦＳＨＡＮＤＯＮＧＵＮＩＶＥＲＳＩＴＹ（ＥＮＧＩＮＥＥＲＩＮＧＳＣＩＥＮＣＥ）Ａｐｒ．２００８文章编号：１６７２３９６１（２００８）０２００４５０６基于多尺度分析和ＳＶＭ相关反馈的纹理图像检索１１２１周新虹，彭玉华，刘勇，曲怀敬（１．山东大学信息科学与工程学院，山东济南２５０１００；２．山东电子职业技术学院电子系，山东济南２５００１４）摘要：采用了基于小波、Ｃｏｎｔｏｕｒｌｅｔ等多尺度分析工具和ＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉ

2、ｎｅ）相关反馈的图像检索方案．对纹理图像采用Ｃｏｎｔｏｕｒｌｅｔ变换提取其特征，Ｃｏｎｔｏｕｒｌｅｔ具有多尺度和多方向性，因此比小波变换能更好地提取纹理特征，然后联合一类和二类支持向量机进行检索．首先使用一类支持向量机来估计查询样本的特征向量在高维空间的分布情况，从而给出在没有标识的情况下，进行初步学习探索得到的相似性排名．通过用户反馈，得到带有标识的正负样本信息，从而提供给二类支持向量机进行更细致地学习，使检索结果逐步求精．实验结果从多方面证明了本方案的合理有效性，并指出了较优的反馈数量和反馈次数．关键词：Ｃｏｎｔｏｕｒｌｅｔ

3、；支持向量机；图像检索中图分类号：ＴＰ３９１文献标志码：ＡＩｍａｇｅｒｅｔｒｉｅｖａｌｂａｓｅｄｏｎｍｕｌｔｉｓｃａｌｅａｎａｌｙｓｉｓａｎｄＳＶＭｒｅｌｅｖａｎｃｅｆｅｅｄｂａｃｋ１１２１ＺＨＯＵＸｉｎｈｏｎｇ，ＰＥＮＧＹｕｈｕａ，ＬＩＵＹｏｎｇ，ＱＵＨｕａｉｊｉｎｇ（１．ＴｈｅＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｊｉｎａｎ２５０１００，Ｃｈｉｎａ；２．ＴｈｅＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃｓ，ＳｈａｎｄｏｎｇＣｏｌｌｅｇｅ

4、ｏｆＥｌｅｃｔｒｏｎｉｃＴｅｃｈｎｏｌｏｇｙ，Ｊｉｎａｎ２５００１４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＡｎｉｍａｇｅｒｅｔｒｉｅｖａｌｓｃｈｅｍｅｂａｓｅｄｏｎｍｕｌｔｉｓｃａｌｅａｎａｌｙｓｉｓａｎｄＳＶＭｒｅｌｅｖａｎｃｅｆｅｅｄｂａｃｋｗａｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔ，ａｍｏｒｅａｃｃｕｒａｔｅｔｅｘｔｕｒｅｆｅａｔｕｒｅｗａｓｅｘｔｒａｃｔｅｄｉｎＣｏｎｔｏｕｒｌｅｔｄｏｍａｉｎｔｈａｎＷａｖｅｌｅｔｄｕｅｔｏｉｔｓｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎａｎｄｄｉｒｅｃｔｉｏｎａｌｉｔｙ．Ｏｎｅｃｌａｓｓａｎｄｂｉｎａｒｙｃ

5、ｌａｓｓＳＶＭｗｅｒｅｃｏｍｂｉｎｅｄｔｏｒｅｔｒｉｅｖｅ．ＴｈｅｏｎｅｃｌａｓｓＳＶＭｃａｎｅｓｔｉｍａｔｅｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｄａｔａｉｎｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｓｐａｃｅ，ａｎｄｅｘｐｌｏｉｔｕｎｌａｂｅｌｅｄｄａｔａｔｏｇｅｔａｐｒｉｍａｒｙｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｏｒｄｅｒ．ＴｈｅｎｂｉｎａｒｙｃｌａｓｓＳＶＭｗａｓｕｓｅｄｔｏｇｅｔｔｈｅｌａｂｅｌｅｄｓａｍｐｌｅｉｎｆｏｒｍａｔｉｏｎｔｈｒｏｕｇｈｌｅａｒｎｉｎｇｕｓｅｒ’ｓｆｅｅｄｂａｃｋ，ｗｈｉｃｈｆｉｎａｌｌｙｉｍｐｒｏｖｅｄｔ

6、ｈｅｒｅｔｒｉｅｖａｌａｃｃｕｒａｃｙ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈｅｒｅａｓｏｎａｂｉｌｉｔｙａｎｄｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｓｃｈｅｍｅ．Ｔｈｅｍｏｓｔａｐｐｒｏｐｒｉａｔｅｆｅｅｄｂａｃｋｉｍａｇｅｑｕａｎｔｉｔｙａｎｄｆｅｅｄｂａｃｋｔｉｍｅｓｗｅｒｅｐｒｏｐｏｓｅｄ．Ｋｅｙｗｏｒｄｓ：Ｃｏｎｔｏｕｒｌｅｔ；ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ；ｉｍａｇｅｒｅｔｒｉｅｖａｌ为信息系统研究领域的热点并迅速发展．ＣＢＩＲ是对０前言图像的内容语义，如图像的颜色、纹理、布局

7、等，进行分析和检索的技术，目标是从图像数据库中检出具自９０年代，随着多媒体技术的发展，基于内容有相似特性的其它图像．文献【１】介绍了近年来的图像检索（ＣｏｎｔｅｎｔｂａｓｅｄＩｍａｇｅＲｅｔｒｉｅｖａｌ，ＣＢＩＲ）成ＣＢＩＲ的若干问题及发展现状．限制ＣＢＩＲ系统发展收稿日期：２００６１０１３基金项目：教育部留学启动基金资助项目（２００４．１７６．４）；山东省自然科学基金重点资助项目（Ｇ２００４Ｚ０１）；山东大学信息科学与工程学院科研启动基金资助项目作者简介：周新虹（１９８１），女，山东青岛人，硕士研究生，研究方向为图像处

8、理与模式识别．Ｅｍａｉｌ：ｚｈｏｕｘｉｎｈｏｎｇ＠ｍａｉｌ．ｓｄｕ．ｅｄｕ．ｃｎ２山东大学学报（工学版）第３８卷的一个重要原因是语义鸿沟，即用户的高层次语义字信号处理方法，它首先由Ｌａｐｌａｃｉａｎ金字塔（ＬＰ）对特征与图像的低层次特征间的鸿沟．解决此问题有图