基于场景语义的图像检索新方法

针对图像的场景语义检索问题, 提出一种基于多示例学习( mult-i instance learning, MIL) 的新方法。 首先, 该方法将图像当作多示例包, 再根据图像的颜色复杂度, 设计了自适应JESG 图像分割方法, 对图像进行自 动分割, 并提取每个分割区域的颜色-纹理特征, 当作包中的示例, 将图像检索问题转化成多示例学习问题; 然后, 利用改进的推土机距离( ear th mover distance, EMD) 来度量不同多示例包( 图像) 之间的整体相似度, 设计了一种 新的惰性M IL 算法, 用于场景图像检索。基于COREL 图像库的对比实验结果表明, 设计的示例构造方法与MIL 算法都是有效的, 且检索精度优于其他同类方法。

基于层次语义的图像分类方法

为了更好地实现基于语义的图像检索，结合了颜色、纹理和形状的综合特征来表示图像，将它们作为支 持向量机( SVM) 的输入向量，对图像类进行学习，建立图像底层特征和高层语义的关联。采用综合特征表示图像，提 高了分类正确率。同时按照分语义层次的方式组织图像库，实现图像的语义分层表示，用各层次的关键词来联合表 示图像的语义信息。结果表明，可以在具有较好分类正确率的情况下，使图像具有更全面的语义表示。