SVM用于块划分特征提取的图像分类与检索
现代技术运用各种手段大量的采集和产生各种类型的信息数据。其中，图像信息作为多媒体信息中量最大最主要的一种正在飞速的增长。因此有效地、快速地从大规模的图像数据库中检索出需要的图像是解决问题的关键。基于内容的图像检索技术和基于语义的图像检索技术正是解决这一问题的有效途径。前者研究的是根据获取的图像低层特征，从图像数据库中检索出相关图像；而后者研究的是如何从多种渠道获取图像语义信息，并根据语义检索相关图像。
本文提出了一种利用支持向量机(SVM)实现图像自动语义分类与检索的方法，基于块划分聚类得到特征向量作为SVM训练样本，实现语义分类器，从而可以提供给用户概念化的语义图像检索方式。
在基于内容的图像检索方法中，图像的底层视觉特征和高层语义之间存在着较大的语义间隔。本文利用颜色特征简化目标的提取和识别。在图像检索中，颜色是应用最广泛的视觉特征。基于颜色及其空间分布提取图像特征，将图像划分成大小相等的图像块，然后提取每一块的颜色信息并聚类作为特征向量。由于参与聚类的是某类图像所有块的特征，提取的特征更能反映某一类图像特征。实验证明，用SVM作为学习机器学习图像的内容并进行分类与检索的方法是有效的，通过学习自动建立图像类的模型，是在一定程度上解决基于内容的图像检索中底层特征与高层语义之间的语义间隔的有效途径。
语义图像检索;图像划分;支持向量机
中国海洋大学
硕士
通信与信息系统
王国宇
2006
中文
TN911.73
50
2007-08-07（万方平台首次上网日期，不代表论文的发表时间）