导读:本文包含了反馈图像检索论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感图像检索,卷积神经网络,反馈,支持向量机
反馈图像检索论文文献综述
彭晏飞,宋晓男,武宏,訾玲玲[1]（2019）在《结合深度学习与相关反馈的遥感图像检索》一文中研究指出目的针对基于内容的图像检索存在低层视觉特征与用户对图像理解的高层语义不一致、图像检索的精度较低以及传统的分类方法准确度低等问题,提出一种基于卷积神经网络和相关反馈支持向量机的遥感图像检索方法。方法通过对比度受限直方图均衡化算法对遥感图像进行预处理,限制遥感图像噪声的放大,采用自学习能力良好的卷积神经网络对遥感图像进行多层神经网络的监督学习提取丰富的图像特征,并将支持向量机作为基分类器,根据测试样本数据到分类超平面的距离进行排序得到检索结果,最后采用相关反馈策略对检索结果进行重新调整。结果在UC Merced Land-Use遥感图像数据集上进行图像检索实验,在mAP(mean average precision)精度指标上,当检索返回图像数为100时,本文方法比LSH(locality sensitive Hashing)方法提高了29. 4%,比DSH(density sensitive Hashing)方法提高了37. 2%,比EMR(efficient manifold ranking)方法提高了68. 8%,比未添加反馈和训练集筛选的SVM(support vector machine)方法提高了3. 5%,对于平均检索速度,本文方法比对比方法中m AP精度最高的方法提高了4倍,针对复杂的遥感图像数据,本文方法的检索效果较其他方法表现出色。结论本文提出了一种以距离评价标准为核心的反馈策略,以提高检索精度,并采用多距离结合的Top-k排序方法合理筛选训练集,以提高检索速度,本文方法可以广泛应用于人脸识别和目标跟踪等领域,对提升检索性能具有重要意义。(本文来源于《中国图象图形学报》期刊2019年03期）
李珍,亢洁,刘兆邦,陆千琦,谢璟[2]（2019）在《一种基于多特征组合和SVM相关反馈的皮肤病图像检索算法》一文中研究指出针对特征复杂的皮肤病受损区域图像难以用单个特征准确表达,且低层视觉特征与高层语义空间之间存在语义鸿沟,造成皮肤病受损区域图像检索困难的问题,提出了一种基于多特征组合和SVM相关反馈的皮肤病图像检索方法。首先对预处理之后的皮肤病受损区域的图像进行多特征提取并进行组合,然后采用欧式距离相似度模型对皮肤病受损区域图像初步检索,最后引入了带有衰减系数的SVM相关反馈算法,提高皮肤病受损区域图像的检索准确率。实验结果表明,引入带有衰减系数SVM相关反馈的方法可以检索到更多的相关图像,明显提高了检索的查准率。(本文来源于《电脑知识与技术》期刊2019年05期）
王冲,马晓楠,宋冬慧[3]（2019）在《SVM一对一多分类的图像反馈检索优化》一文中研究指出针对多语义图像在用户图像检索反馈过程中带来的困扰,SVM在图像多分类过程中分类器同等对待等问题,提出基于K-means和SVM一对一多分类的图像反馈检索优化算法KWOVOSVM (K-means and weighted one-versus-one support vector machine)。运用K-means算法对图像特征进行多次聚类,选取最具代表的信息图像样本供用户反馈;在用户反馈过程中,对其图像样本进行多分类训练时,通过欧式距离计算对每个分类器分配相对权重,使用户反馈次数减少,图像检索结果不断接近用户需求。实验结果表明,KWOVOSVM算法在查准率和满意度上有一定的提高。(本文来源于《计算机工程与设计》期刊2019年01期）
谢备[4]（2018）在《一种基于SVM相关反馈的图像检索算法》一文中研究指出目前在图像检索研究中,无论是基于单一特征还是基于多特征融合的图像检索往往只能反映图像中的低级的视觉信息,并不能反映出图像中的语义特征信息,为了解决底层特征与上层理解之间的语义鸿沟问题,在基于内容的图像检索研究的基础上,提出了一种基于SVM相关反馈的图像检索算法。首先提取查询图像与图像库中图像的GIST特征并进行相识度计算,返回检索结果。然后将初次检索结果中与查询图像相似的图像作为正样本,剩下的为负样本,通过SVM学习并构造能反映用户查询意图的分类器。最后通过该分类器再次检索并返回结果。在Corel-1000图像集上的实验结果显示,与仅基于GIST特征的图像检索算法相比,文中算法在图像检索的准确率上得到明显提高。(本文来源于《信息通信》期刊2018年12期）
李嘉玺[5]（2018）在《基于支持向量机的相关反馈图像检索算法设计》一文中研究指出机器学习通过对样本图像集的低层特征进行学习,并依据机器学习机制对其进行分类,从而获得了较为准确的检索结果。支持向量机(Support Vector Machine,SVM)作为一种机器学习方法,其本质为一个二分类器,可通过选择合适的核函数将低维空间的线性不可分问题转换为高维特征空间线性可分,即在约束条件下求解目标函数的极值问题,从而有效避免了人工神经网络如BP(back propagation)等神经网络分类方法在求解过程中出现的局部最优解问题,从而获得更好的检索效果。但基于内容的图像检索的检索主体更多倾向于计算机,未能实现检索用户与检索系统交互协同,使得得到的检索结果不能充分满足用户要求。因此,在检索系统中加入用户检索行为模块,即相关反馈,由用户来选择多幅图像进行不断检索的过程。基于内容的图像检索系统(Content-based image retrieval,CBIR)主要是通过提取图像低层特征如颜色特征、纹理特征、形状特征以及空间特征,利用相似度测量方法如欧式距离、马氏距离等实现待检索图像与检索图像库的匹配,并将相似度较大的图像排列显示,可以用查准率和查全率作为检索性能的评价方法。论文设计了一种基于相关反馈图像检索算法,通过检索用户在首次检索结果中筛选感兴趣和非感兴趣图像作为训练样本,通过相关反馈算法进行学习,从而实现对图像库的预测。对比图像单一特征与综合特征的检索准确性的差异、不同相似度测量方法的检索结果存在的差异、选择不同核函数的检索结果差异以及对比不同分类器检索结果的差异。采用支持向量机,结合图像颜色特征、纹理特征、图像分块综合特征以及K-means聚类算法、词袋模型进行图像检索,并完成相关反馈图像检索系统的设计。通过构造多尺度小波核支持向量机与引入主动学习机制和推土机距离度量方法,对比不同反馈次数的检索结果,以及使用主动学习和未使用学习检索结果。在软件设计方面,结合Visual C++6.0软件和MATLAB2013A软件开发工具,实现了该相关反馈图像检索软件。软件测试表明,采用图像综合特征检索比单一特征检索准确性高2%左右;在相关反馈检索中,随着正例和负例图像样本数量的增加,检索结果的准确性越高。(本文来源于《西安电子科技大学》期刊2018-12-01）
徐恒[6]（2018）在《基于深度语义的哈希算法和相关反馈在图像检索中的研究》一文中研究指出学习高效的特征表示和相似度度量方法对基于内容的图像检索(Content-Based Image Retrieval,CBIR)尤为重要。尽管已经研究了几十年,但是基于内容的图像检索仍然处于探索、研究阶段。存在于机器可识别的低级图像像素特征与人类可识别的高级语义信息之间的“语义鸿沟”问题一直阻碍着图像检索的发展。随着深度学习在机器视觉和其它应用领域取得的成功,深度学习有可能解决“语义鸿沟”问题并且更好地学习高效的图像特征表示。本文通过分析图像检索的研究现状和存在的问题,为了提高系统的学习能力和检索能力,在AlexNet网络基础上改进了网络结构并加入了哈希层,提出一种端到端的深度语义哈希(Deep Semantic Based Hashing,DSBH)算法。DSBH算法将更多的语义信息嵌入到哈希层中,使得哈希二值码包含更多的语义信息。实验结果显示DSBH算法提高了系统的检索效率和准确率并且在一定程度上解决了“语义鸿沟”问题。为了进一步地解决“语义鸿沟”问题,本文接着使用了一种新型的相关反馈机制。与传统相关反馈不同的是,新型的相关反馈机制通过多个用户反馈的信息重新训练深度CNN模型。新型的相关反馈机制从全局进行优化检索结果而非传统的局部优化,使系统的检索结果更加准确。通过与深度语义哈希算法结合使用即DSBH-NRF,实验结果显示DSBH-NRF方法提高了系统的检索准确率并且有效地解决了“语义鸿沟”问题。(本文来源于《内蒙古大学》期刊2018-04-25）
何柏青,王自敏[7]（2018）在《反馈机制的大规模舰船图像检索》一文中研究指出传统方式的舰船图像检索能够完成舰船图像的检索任务,但针对大规模复杂度较高的舰船图像,存在检索速度慢、检索不准确的问题,为此提出反馈机制的大规模舰船图像检索。利用图像反馈模型对舰船图像的颜色、纹理、形状、空间特征进行量化反馈,采用量化数值对比的方式进行图像检索;优化图像相似度度量方法,实现反馈机制的大规模舰船图像检索。实验数据表明,该方法比传统舰船图像检索速度提高66.44%,且具有良好的检索准确性。(本文来源于《舰船科学技术》期刊2018年08期）
宋冬慧,马晓楠,王冲[8]（2018）在《基于SVM改进的图像反馈检索方法研究》一文中研究指出基于内容的图像检索系统在用SVM算法进行反馈时,为了提高图像检索的精度,减少用户的反馈次数,提出了KRSVM算法.该算法通过运用颜色矩、颜色直方图和Hu矩提取图像的颜色和形状特征,并用K-means算法对特征进行多次聚类,同时使用SVM算法对其图像样本进行训练时,引入了多个SVM核函数和Relief算法,对核函数和图像特征进行权重分配.相比较传统的SVM算法和K-SVM算法,本算法在一定程度上提高了图像检索的准确度和用户满意度.(本文来源于《微电子学与计算机》期刊2018年04期）
刘伟[9]（2018）在《基于关联反馈和多特征的图像检索系统的研究与实现》一文中研究指出当今时代,随着信息数据量激增和计算机技术的迅速发展,图像检索技术作为一种高效的信息查询手段的优越性也日益彰显。本文主要研究特征提取、特征量化建模和关联反馈算法在基于内容的图像检索(CBIR)系统中的运用。对图像进行多种特征提取可以弥补单个特征在描述图像特征过程中的表述单一,描述不完整等缺点。为了得到高效的图像特征描述符,本文在图像多特征提取过程中侧重于研究如何建立高效的特征模型以及对特征向量的量化算法。除此之外,关联反馈技术也是图像检索过程中的一个重要环节,它要求分析与用户提供的反馈数据并利用逐次迭代来优化查询初始向量和查询模型。但是在实际运用中,一次反馈过程包含的反馈信息量不足仍然是CBIR系统面临的难题。本文在关联反馈技术的研究过程中侧重研究扩充用户反馈过程包含的信息量并设计利用未标记图片来弥补模型训练数据不足问题。在实验部分,本文利用了两个开源数据库对提出的算法进行了相关测试分析,并证明了提出的算法可以达到良好的实验效果。本文的主要内容包括:(1)论文对CBIR检索技术的基础理论和最近的研究成果的进行了归纳总结。本文阐述了CBIR发展状况和基本流程,研究和分析了主流的图像底层特征提取技术、特征的量化与降维技术和关联反馈技术的研究现状与不足之处。(2)通过对图像多特征融合技术的分析,本文设计利用SIFT、HOG和Opponent-Color模型对图像的纹理、形状和颜色特征进行建模。为了保持各个特征之间的独立性,本文设计首先对单个特征进行分开特征提取与建模最后融合成完整的图像特征描述符。在特征量化过程中,本文利用视觉池袋模型BOF对特征进行建模和LLC对图像特征进行局部线性编码,接着使用池化和空间金字塔模型对图像进行更高一层次的特征建模。为了验证本文提出的图像特征提取算法的性能,本文通过Corel-1K和INRIA Holiday两个数据库对提出的算法进行了相关性能测试和分析。(3)论文采用基于SVM分类模型来实现图像检索过程中的关联反馈算法设计。在实际运用中,模型训练过程往往会由于带标记的训练样本的数量不足导致模型的不稳定。为了获取更多的训练样本,本文设计了一种特征子空间划分算法(FSP)和伪标记策略来构造伪标记概率估计函数(P(I)),实现来利用未标记的图像数据来训练模型。除此之外,由于信息检索系统软件平台等因素的限制导致单次反馈过程中来自用户的反馈信息量十分有限,本文提出了基于一种活动选择策略来选择最具有信息量的图片返回给用户进行标记,从而最大化一次反馈过程的反馈信息量。本文通过实验验证了相对基线,本算法在有限的几次反馈过程中获得的查询精度要高出大约15%,而且通过对比其他叁种类似的基于SVM模型的反馈算法,本算法达到查询平衡点所需的反馈次数最少。(4)本文对影响实验效果的参数进行了分析。在提出的研究算法中,实验参数对CBIR检索性能的影响主要在视觉池袋模型大小的取值和伪标记估计函数阈值的选择两个方面。本文分别在两个开源数据库对相关参数进行实验分析,并取其最优值为实验过程的参数。(本文来源于《电子科技大学》期刊2018-03-23）
黄莺[10]（2018）在《基于相关反馈的特征融合图像检索优化策略初探》一文中研究指出本文介绍基于相关反馈实现自动语义标注的多特征融合图像检索方法的原理和发展,深入分析该方法自身存在的局限,包括对用户查询关键词的重视不够、偏重旧图像、"过反馈"、训练样本非对称。基于以上不足,从用户体验出发,本文提出通过基于信息资源不同一性的特殊属性改进排序结果,并提出优化关键词权值的更新方法,并在相似度计算中考虑用户查询关键词权重。这些策略能让用户更快地获取满足需求的图像,并从而改善用户体验,缓解基于相关反馈的多特征融合图像检索方法的不足。(本文来源于《数字图书馆论坛》期刊2018年02期）
反馈图像检索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对特征复杂的皮肤病受损区域图像难以用单个特征准确表达,且低层视觉特征与高层语义空间之间存在语义鸿沟,造成皮肤病受损区域图像检索困难的问题,提出了一种基于多特征组合和SVM相关反馈的皮肤病图像检索方法。首先对预处理之后的皮肤病受损区域的图像进行多特征提取并进行组合,然后采用欧式距离相似度模型对皮肤病受损区域图像初步检索,最后引入了带有衰减系数的SVM相关反馈算法,提高皮肤病受损区域图像的检索准确率。实验结果表明,引入带有衰减系数SVM相关反馈的方法可以检索到更多的相关图像,明显提高了检索的查准率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
反馈图像检索论文参考文献
[1].彭晏飞,宋晓男,武宏,訾玲玲.结合深度学习与相关反馈的遥感图像检索[J].中国图象图形学报.2019
[2].李珍,亢洁,刘兆邦,陆千琦,谢璟.一种基于多特征组合和SVM相关反馈的皮肤病图像检索算法[J].电脑知识与技术.2019
[3].王冲,马晓楠,宋冬慧.SVM一对一多分类的图像反馈检索优化[J].计算机工程与设计.2019
[4].谢备.一种基于SVM相关反馈的图像检索算法[J].信息通信.2018
[5].李嘉玺.基于支持向量机的相关反馈图像检索算法设计[D].西安电子科技大学.2018
[6].徐恒.基于深度语义的哈希算法和相关反馈在图像检索中的研究[D].内蒙古大学.2018
[7].何柏青,王自敏.反馈机制的大规模舰船图像检索[J].舰船科学技术.2018
[8].宋冬慧,马晓楠,王冲.基于SVM改进的图像反馈检索方法研究[J].微电子学与计算机.2018
[9].刘伟.基于关联反馈和多特征的图像检索系统的研究与实现[D].电子科技大学.2018
[10].黄莺.基于相关反馈的特征融合图像检索优化策略初探[J].数字图书馆论坛.2018