基于Web的協(xié)同圖像檢索與標注.pdf

1、圖像檢索一直以來就是學術界和工業(yè)界的研究熱點領域，隨著信息技術的發(fā)展和大數據技術的火熱，人們在互聯網上交流方式越來越集中到圖像、視頻等多媒體形式上，圖像檢索在互聯網上發(fā)揮的作用也日益強大，在電子商務、互聯網社交等領域中都有廣泛的應用，如何從海量圖片中找到符合自己意愿的圖片成為圖像檢索領域的研究熱點問題。
　　本文將從圖像底層特征、自動標注算法、用戶日志學習三個方面，對圖像中的語義鴻溝問題和維度災難兩大問題進行探討，從而完成基于We

2、b下的協(xié)同圖像檢索與標注的研究，其主要工作如下：
　　首先，圖像特征作為圖像檢索中最重要的依據，優(yōu)秀的特征表達對圖像檢索的效果影響巨大，通過歸納和總結圖像的視覺特征，對當前較新的特征提取技術進行改進，聯合散射系數特征和尺度不變特征變換(SIFT)特征作為圖像的綜合特征Scatter-SIFT完成圖像的底層特征匹配，提高了圖像分類的效果。
　　然后，在大規(guī)模圖像檢索中，圖像標注完全靠手工標注完成是不現實的，因此本文對Fast

3、Tag算法和Negative BootStrap算法進行了分析，并在這兩種算法的基礎上提出了FT-NB算法對圖像完成自動標注，綜合利用FastTag算法和Negative Bootstrap算法的優(yōu)點，從而提高圖像標注的效果,并通過實驗驗證了FT-NB算法策略的有效性.
　　一般情況下的圖像檢索系統(tǒng)沒有充分利用用戶的反饋日志信息，Web具有天然的廣泛性，能將世界上任何地方的人連接起來，因此本文提出了利用用戶對圖像檢索結果的日志反饋

4、記錄，聯合FT-NB算法進行學習，對圖像的標注結果進行迭代更新，從而進一步提高圖像檢索的效果。
　　最后，綜合使用以上優(yōu)秀的相關算法和日志信息，設計和實現Web下的協(xié)同圖像檢索系統(tǒng)原型 JustPic1.0，方便用戶檢索圖像并對檢索結果做出反饋。針對Corel5K、Caltech101、ESP等公開圖像數據集，使用FT-NB方法對用戶日志記錄進行學習，再次對圖像進行檢索，并對比以視覺特征結合詞袋(BOW)技術的圖像檢索方法、Fas