摘要: 计算机技术、多媒体技术以及网络技术的长足发展导致了大量图像的出现,如何有效地、快速地从大规模图像数据库中检索出所需的图像是目前一个相当重要又富有挑战性的研究课题。研究基于内容的图像检索技术(CBIR:content-basedimageretrieval)正是为了解... 展开 计算机技术、多媒体技术以及网络技术的长足发展导致了大量图像的出现,如何有效地、快速地从大规模图像数据库中检索出所需的图像是目前一个相当重要又富有挑战性的研究课题。研究基于内容的图像检索技术(CBIR:content-basedimageretrieval)正是为了解决如何有效地从图像数据库中检索出相关图像的问题。90年代初开始出现,至今,此项技术的研究依然非常活跃。 尽管CBIR技术的研究已经取得不少进步,但大部分技术仍难以满足实际应用的精度和效率要求。其难点在于缺乏对图像和语义空间足够的描述。近年来,基于流形的图像检索算法引起了很多学者的关注[1,2,3,4,5,6]—大多数的这些算法将图像特征空间视作嵌入的流形空间,试图寻找特征空间与流形空间之间的映射关系。这些算法成功地改进了图像检索的性能,但是低层特征空间到高层语义流形的映射关系仍然不明确;此外,语义空间的维数也是事先难以确定的。为了避免这些问题,本文结合信息熵的思想从度量图像视觉相似度的角度出发,尝试了一类基于流形学习的图像检索算法。 本文算法的一个核心概念是基于图像的几何流形熵(GeometricManifoldEntropy)。借助禁忌搜索算法最小化该熵值可以得到表示图像相似性的最优熵环。简单来说,当要检索某个图像时,将该图像插入到最优图像环中—按对原来熵值影响最小的原则确定最佳插入位置;在插入位置沿着最优图像环,按输入图像距近邻图像的欧氏距离得到图像的检索排序。 收起