论文部分内容阅读
随着多媒体技术的发展，图像检索已经在社会生活中的许多方面得到了广泛的应用。本文在词袋模型的基础上，结合空间上下文关系，提出了两种图像检索的方法。一是基于二元视觉短语的图像检索方法;二是基于最长公共视觉单词串的图像检索方法。本文具体研究工作如下: 首先，本文回顾了基于词袋模型的图像检索技术的历史及其研究现状，并且介绍了目前常用的图像局部特征。通过对当前图像检索技术中流行的词袋模型的深入分析，可以得知缺乏空间上下文信息是制约图像检索性能的关键因素。 其次，本文第三章提出一种基于二元视觉短语的图像检索方法。该方法通过引入视觉显著性区域对局部视觉短语的构建进行约束，仿照词袋模型对视觉短语进行统计构建图像描述子。在该模型中，本文认为显著性区域的个数与显著性区域的半径都是影响构建视觉短语的因素，并对这两个因素分别进行实验分析。将基于视觉显著性的二元视觉短语模型(Saliency-BVP)、基于视觉显著性的词袋模型(Saliency-BoW)和词袋模型(BoW)进行比较，结果显示Saliency-BVP模型具有明显优势。这说明视觉短语中蕴含的信息要比单纯的视觉词所蕴含的信息要丰富，由此可见空间上下文信息对于图像描述来说是很重要的。 最后，本文第四章提出一种基于最长公共视觉单词串的图像检索方法(LCVS)。利用两幅图像之间存在的最大隐含模式构建最长公共视觉单词串，认为最长公共视觉串为两幅图像之间共有的一种模式。通过最长公共视觉串计算两幅图像的相似度，以此实现图像检索。紧接着，又提出一种计算公共视觉串相似度的方法，称为公共子串加权最大值方法(CSWM)。在公开图库上对LCVS方法和BoW方法进行实验，结果显示LCVS方法更优。对LCVS和CSWM方法进行比较实验，发现具有基本一致的结果。这进一步说明，视觉词的空间上下文信息是有效的。