摘要: 本文针对内容为特定类型物体的图像，讨论其适用于基于内容检索的多种特征，提出了通过多特征融合和结果重排的检索方法，并以人脸为例实现了一个检索系统。本文的主要研究成果及创新点有：首先，从图像中抽取颜色、纹理、形状等含有多种信息的视觉特... 展开 本文针对内容为特定类型物体的图像，讨论其适用于基于内容检索的多种特征，提出了通过多特征融合和结果重排的检索方法，并以人脸为例实现了一个检索系统。本文的主要研究成果及创新点有：首先，从图像中抽取颜色、纹理、形状等含有多种信息的视觉特征、从多个角度描述物体；接着，利用直方图统计、聚类、信息增益等方法，从各个特征中选取出最具判别力的子集，给出了针对检索的特征改造方法，使其能迅速降维、同时仍能有效表征图像内容；然后，通过多特征融合方法将这些改造后特征的距离相结合、迅速过滤整个数据集，得到与检索图像最可能相似的备选集；最后，以精确特征重新排序，得到数据库中与查询图中人物在长相、装扮、神态上最为相似的图片。 随着物体的类型被限定，图与图之间的差异性急剧减小。为此，本文讨论了多种特征在体现这些细微差异之时所能起到的不同作用，给出将其相互融合、共同表征的公式，并提出了通过实验确定各项权重参数的方法。另一方面，特征种类及维数的增加将导致检索效率的下降。对此，本文采用了兼顾效率与精度的过滤和结果重排方法。此外，我们还针对该明星脸检索系统，提出了评判检索结果优劣的方法：对单个结果从头发、脸型、表情等多方面进行评分，修正了第 k位正确率（Precision@k）、平均正确率（Average Precision）、平均正确率均值（mAP）的定义。 我们根据福布斯排行、从因特网上搜集了大量名人图片组成数据集，并设计、进行了大量实验，分析实验结果数据的精度和时间消耗后证明：该系统能提供精准的检索结果，具有优越的平均正确率均值（mAP），且有效缩短了检索等待时间。 收起