导读:本文包含了基于内容的图像分析与检索论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,内容,特征,语义,纹理,反馈,鸿沟。
基于内容的图像分析与检索论文文献综述
张鹏飞[1]（2018）在《大规模图像内容分析与检索方法研究》一文中研究指出随着近年来信息技术的迅速发展,多媒体数据呈现爆炸式的增长。一方面,数据的总量不断增长,覆盖面越来越广,各行各业均产生相应的数据信息。另一方面,数据的表现形式越来越多样化,例如文本、图像、语音、视频,这些模态之间也呈现出复杂多样的关系。所以,如何有效地对数据进行有效的内容分析,存储和快速检索数据成为了挑战性的课题,受到了越来越多的关注和研究。在数据内容分析方面,深度学习作为一种高效的特征学习方法,不但能够得到更加抽象并且高质量的特征表示,也避免了手动提取特征的费时费力,大大提高了特征提取的效率和质量。所以深度学习自提出以来迅速成为一个研究热点,并广泛应用于机器学习各个领域,图像分类就是其中之一。近年来,很多利用深度学习的图像分类方法被提出,在单标签图像分类任务中也取得了相当不错的效果。但是,现实生活中的图片往往包含丰富的内容,例如不同物体、场景等,并且它们之间的关系复杂多样,单标签分类方法在此时已不能满足人们需求。为了解决这个问题,人们提出许多基于深度学习的多标签图像分类方法,然而这些方法也存在一定的局限性。例如,有的方法直接忽略了图片内容的多样性和复杂性,只是简单粗暴地将整个图片作为输入,然后根据神经网络提取其特征并以此来预测标签;而有的方法认为图片中待识别的物体是独立于其它物体,所以他们首先提取图片中可能包含物体的区域,然后用神经网络提取这些区域的特征,并对每个区域预测相应的标签,最后将标签综合起来就是整个图片的标签。这些方法只是对于待预测的图片进行简单的分析或处理,并没有考虑到隐含在各个标签之间的潜在的语义信息,所以在处理复杂的图像时往往难以达到令人满意的效果。针对这一问题,我们提出了一个有效的深度学习方法,在对多标签图像做分类的问题时,研究标签之间存在的关系--共现依赖关系,并将其很好地运用到图像分类的任务中。具体地,在图像分类的任务中,除了利用经典的神经网络处理图片,得到其初始特征外,我们还对数据集的标签进行处理,从中构建一个标签共现矩阵,然后构造一个新的神经网络处理共现矩阵以捕捉标签之间的共现依赖关系。最后,将这两种信息融合以预测图像的标签。该方法在两个图像数据集上进行了实验,并与当前效果比较好的深度方法进行了对比。良好的实验结果验证了我们方法的有效性。而对于数据的检索和存储来说,需要考虑的是随着数据量的增大和特征维数的增高所带来的庞大计算量的问题。为了解决这个问题,哈希学习方法被提出。哈希方法的主要思想是将原始空间的特征信息映射到低维的海明空间,同时映射后的特征信息能够尽可能保持原始空间中数据的特性,从而在保证检索性能的同时极大地降低了计算的复杂度,提高检索速度和减少了存储消耗。基于这些良好的特性,哈希方法自提出就受到广泛关注和研究,大量的方法被提出,并取得了良好的效果。哈希方法根据检索项和数据集是否在同一个模态中分为单模态哈希方法和多模态哈希方法。相比较于单模态哈希方法只针对单一模态数据之间的检索,多模态哈希方法更能满足当今的需求,例如在网页检索图片,检索视频等等。如今很多多(跨)模态哈希方法被提出并取得了不错的效果,但是仍然存在很多问题需要我们去解决。首先,很多算法在优化过程中没法严格保持离散约束,造成了很大的量化误差;同时,很多方法在学习过程中,哈希码的生成独立于原始数据,这使得算法对噪声不具有很好的鲁棒性,从而在一定程度上也影响了算法的性能。为此,我们提出了一个新的算法--半松弛监督跨模态哈希,该方法在利用相似性矩阵来学习哈希码时,抛弃了以往方法对两个哈希码全部松弛的做法,我们只松弛一个哈希码矩阵。这样,我们能够通过离散优化直接得到哈希码;同时,松弛的那个哈希码与数据的原始特征构成映射关系,从而能够同时学到哈希函数,这也解决了哈希码的生成与原始数据脱离的问题。我们在叁个数据集上进行了实验,并对比了最近提出的一些优秀算法,采取了多种评价方式,优秀实验结果证明了我们方法的有效性。(本文来源于《山东大学》期刊2018-04-20）
齐亚莉[2]（2017）在《基于内容的图像检索与图像语义分析》一文中研究指出基于内容的图像检索技术具有广阔的应用前景,低层视觉特征与高层语义特征之间的“语义鸿沟”是制约该技术应用的主要问题。本文围绕基于内容的图像检索技术中的“语义鸿沟”问题,对相关反馈技术和图像语义分析技术进行了研究,完成的主要工作包括:针对相关反馈的小样本、正负样本集的不对称、以及图像检索中的标识样本与未标识样本之间的不平衡问题,提出了基于主动学习支持向量机的相关反馈图像检索方法。在选择参与主动学习的样本时,提出了基于低层视觉特征相似度和支持向量机最优分割面的确定策略,选择离分割面最近的负样本参与主动学习,该策略遵循主动学习的本质,避免了不确定性样本选择策略的随机性;在主动学习过程中,设计自适应正则化规则,选择最合适的正则化参数,提升了系统的泛化性。实验表明,该方法有效地提升了图像检索效率,检索系统具有更高的准确性和更好的泛化性。针对全局特征表达图像语义准确性低的问题,研究了图像局部区域分割技术,提出了基于对象语义的图像分类方法。设计了一种基于高斯混合模型和条件随机场的对象区域分割方法,获得图像中的对象区域;利用多层感知器进行有监督学习,生成对象语义模板,解决对象语义相似度的问题;利用训练好的对象语义模板,对图像进行分类。实验表明,提出的分类方法对于二语义图像具有很高的分类准确率。传统的图割方法在对多标签语义图像进行分割时,计算复杂度非常高。针对这个问题,提出了基于图割的多标签图像语义自动分割方法。利用主颜色区域作为标签种子,不需要先验知识,也不需要选择种子像素或区域,降低了因选用像素或超像素而引起的计算复杂度;利用α-扩展移动算法进行优化,提升分割速度。实验表明,该自动分割算法具有较快的分割速度和较好的分割准确率,且比人工配置的多标签分割有更好的性能。针对视觉词袋在图像语义分类中准确性低、消耗时间长的问题,提出了基于语义词袋的检索方法。在语义区域分割的基础上,利用支持向量机进行语义标注和分类;用区域语义词汇代替传统的视觉词汇,精炼图像语义表达的准确性,减少语义词汇量。实验表明,该方法提高了图像语义表达的准确性,具有更好的检索性能。(本文来源于《天津大学》期刊2017-11-01）
孙亮[3]（2016）在《内容图像检索的特征及策略分析》一文中研究指出在我国图像检索技术不断发展的当下,基于内容的图像检索实现了较快的发展,且已经逐渐取代了传统基于文本的图像检索方式,通过对图像所具有的视觉信息特征进行提取和利用能够直接建立索引,实现检索。基于此,本文首先对内容图像检索进行了概述,然后分别对内容图像检索的特征和策略进行了分析研究,为内容图像检索在各个行业领域的应用提供参考借鉴。(本文来源于《桂林航天工业学院学报》期刊2016年02期）
徐梅[4]（2016）在《基于内容的图像数据库检索技术分析》一文中研究指出在互联网技术快速发展背景下,图像数据库建设不断完善,且被应用范围更为广泛,如数字图书馆、卫星图像数据库以及医学图像数据库等。而想要在海量数据中快速检索所需图像信息,就成了亟需解决的技术问题。基于内容来进行图像数据库检索为一种新型技术,主要是通过对图像视觉特征信息进行分析,如颜色、形状、纹理等来与数据库内信息进行对比,构建查询模块完成信息检索。本文对基于内容图像数据库检索技术进行了简要分析。(本文来源于《通讯世界》期刊2016年06期）
冯运生[5]（2014）在《基于内容的图像检索系统比较和分析》一文中研究指出指出基于内容图像检索的优势;比较分析了多代理平台、CIRES、Chabot和SIMPLIcity 4个典型的基于内容图像检索系统,总结了它们的结构、功能、主要贡献及应用领域等,并针对语义鸿沟、检索特征单一、相互之间难以互访3个方面的问题,提出了应对措施。(本文来源于《情报探索》期刊2014年04期）
祝珊珊,叶梦婕[6]（2013）在《基于内容的植物叶片图像检索分析》一文中研究指出本文就保护植物的实际意义出发,介绍了以CBIR技术为中心的植物分类与检索方法,它具有长远的应用意义。简要概述了基于内容的图像检索的关键步骤,着重阐述了基于内容的植物叶片检索国内外研究现状,对其发展趋势做出了展望。(本文来源于《电子技术与软件工程》期刊2013年21期）
罗坤,王莹,姜磊,欧晓丹[7]（2013）在《基于内容的图像检索技术的专利状况分析》一文中研究指出随着多媒体技术的迅速发展,基于内容的图像检索技术已成为近些年来图像检索领域的研究热点。从申请量、申请人国别、申请人排序、技术主题、热点技术对中国专利申请进行了详细的分析,并给出了基于内容的图像检索技术的专利发展趋势,为企业、科研单位的技术创新提供参考。(本文来源于《电视技术》期刊2013年S2期）
姜亚莉[8]（2012）在《基于内容的图像检索系统分析》一文中研究指出介绍了一种基于内容的图像检索方法(CBIR),从其系统体系结构出发,阐述了基于内容的图像检索的几种索引技术,着重说明了基于图像颜色分布、纹理结构和形状的图像检索方法,并提出基于内容的图像检索中的几个关键技术,最后指出了图像检索技术的应用前景。(本文来源于《测绘与空间地理信息》期刊2012年01期）
王雪峰[9]（2010）在《现阶段基于内容的图像检索技术分析》一文中研究指出主要讨论了目前基于内容的图像检索技术的两大热点研究方向,即基于底层特征向量的提取算法(分别为颜色、纹理和形状特征)和基于相关反馈机制(分别为基于空间变换、基于统计概率、基于聚类分析和基于机器学习的模型).分析它们使用的典型方法及优缺点,并对未来的发展方向做了展望.(本文来源于《伊犁师范学院学报(自然科学版)》期刊2010年02期）
朱文燕[10]（2009）在《基于内容的图像检索中特征性能分析》一文中研究指出随着计算机网络和多媒体技术的快速发展,基于内容的图像检索技术逐渐成为一个非常活跃的研究领域,国内外很多研究机构都在进行相关的研究工作,取得了很多令人瞩目的成果,并在数字图书馆、图像搜索引擎、商标识别、医学图像诊断及其它商业领域得到了广泛的应用。本文首先简要介绍了基于内容的图像检索的研究背景和国内外的研究现状,并较为全面地总结了图像检索中的图像特征提取方法、特征匹配算法和性能评价标准这叁个关键技术。接着对各种特征条件下的性能进行了分析,并设定了一套实验方案。针对颜色特征,对颜色空间量化方案、颜色自相关图和分块HSV颜色直方图进行了实验分析;针对纹理和形状特征,对共生矩阵、Tamura纹理特征及边缘直方图进行了比较。最后,鉴于颜色和纹理特征只是反映了图像视觉内容的一个方面,而自然图像形状特征复杂不容易提取,本文提出一种采用颜色和纹理特征的相融合的方法,颜色特征采用颜色自相关图和分块HSV颜色直方图,纹理特征为灰度共生矩阵,这种算法既反映了图像的整体和局部特征信息,又包含了图像的颜色和纹理特征,提高了系统检索的准确率。实验表明,本方案的检索效果比单一特征的要好。为了测试各种检索方法的性能,本文采用Microsoft Visual C++6.0和OpenCV设计开发了一个基于内容的图像检索的特征分析系统,实现了基于颜色、纹理、形状和多特征融合方案的检索实验,并取得了较为满意的效果,对今后的研究具有一定的实用价值。(本文来源于《天津大学》期刊2009-05-01）
基于内容的图像分析与检索论文开题报告
（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：
基于内容的图像检索技术具有广阔的应用前景,低层视觉特征与高层语义特征之间的“语义鸿沟”是制约该技术应用的主要问题。本文围绕基于内容的图像检索技术中的“语义鸿沟”问题,对相关反馈技术和图像语义分析技术进行了研究,完成的主要工作包括:针对相关反馈的小样本、正负样本集的不对称、以及图像检索中的标识样本与未标识样本之间的不平衡问题,提出了基于主动学习支持向量机的相关反馈图像检索方法。在选择参与主动学习的样本时,提出了基于低层视觉特征相似度和支持向量机最优分割面的确定策略,选择离分割面最近的负样本参与主动学习,该策略遵循主动学习的本质,避免了不确定性样本选择策略的随机性;在主动学习过程中,设计自适应正则化规则,选择最合适的正则化参数,提升了系统的泛化性。实验表明,该方法有效地提升了图像检索效率,检索系统具有更高的准确性和更好的泛化性。针对全局特征表达图像语义准确性低的问题,研究了图像局部区域分割技术,提出了基于对象语义的图像分类方法。设计了一种基于高斯混合模型和条件随机场的对象区域分割方法,获得图像中的对象区域;利用多层感知器进行有监督学习,生成对象语义模板,解决对象语义相似度的问题;利用训练好的对象语义模板,对图像进行分类。实验表明,提出的分类方法对于二语义图像具有很高的分类准确率。传统的图割方法在对多标签语义图像进行分割时,计算复杂度非常高。针对这个问题,提出了基于图割的多标签图像语义自动分割方法。利用主颜色区域作为标签种子,不需要先验知识,也不需要选择种子像素或区域,降低了因选用像素或超像素而引起的计算复杂度;利用α-扩展移动算法进行优化,提升分割速度。实验表明,该自动分割算法具有较快的分割速度和较好的分割准确率,且比人工配置的多标签分割有更好的性能。针对视觉词袋在图像语义分类中准确性低、消耗时间长的问题,提出了基于语义词袋的检索方法。在语义区域分割的基础上,利用支持向量机进行语义标注和分类;用区域语义词汇代替传统的视觉词汇,精炼图像语义表达的准确性,减少语义词汇量。实验表明,该方法提高了图像语义表达的准确性,具有更好的检索性能。
（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。
基于内容的图像分析与检索论文参考文献
[1].张鹏飞.大规模图像内容分析与检索方法研究[D].山东大学.2018
[2].齐亚莉.基于内容的图像检索与图像语义分析[D].天津大学.2017
[3].孙亮.内容图像检索的特征及策略分析[J].桂林航天工业学院学报.2016
[4].徐梅.基于内容的图像数据库检索技术分析[J].通讯世界.2016
[5].冯运生.基于内容的图像检索系统比较和分析[J].情报探索.2014
[6].祝珊珊,叶梦婕.基于内容的植物叶片图像检索分析[J].电子技术与软件工程.2013
[7].罗坤,王莹,姜磊,欧晓丹.基于内容的图像检索技术的专利状况分析[J].电视技术.2013
[8].姜亚莉.基于内容的图像检索系统分析[J].测绘与空间地理信息.2012
[9].王雪峰.现阶段基于内容的图像检索技术分析[J].伊犁师范学院学报(自然科学版).2010
[10].朱文燕.基于内容的图像检索中特征性能分析[D].天津大学.2009
论文知识图
