基于区域映射与全概率模型的多示例图像检索方法

摘要：

针对图像的语义检索问题,提出基于区域映射与全概率模型(total probability model,TPM)的多示例检索方法.该方法将图像看作多示例包、图像中的区域看作示例,首先对图像进行简单线性迭代聚类(simple linear iterative clustering,SLIC)超像素分割,再寻找图像中的关键点,通过图像区域映射取出关键点所在的超像素区域,提取其颜色和纹理特征,生成图像的多示例包,然后利用视觉语义模型(visual semantic model,VSM)和TPM获取包特征,最后利用支持向量机(support vector machine,SVM)学习获得查询模型,并对检索结果按相关性大小进行排序.该方法不仅使用关键点映射的思想,充分利用了关键点所属区域的感兴趣信息,而且使用TPM,充分考虑了示例在包中的重要程度,提高了检索准确率.在Corel数据集和SIVAL数据集上的对比实验表明,该方法具有良好的性能.

关键词：计算机应用、区域映射、全概率模型、多示例学习、图像检索

所属期刊栏目：10

分类号：TP391.4(计算技术、计算机技术)

资助基金：高等学校博士学科点专项科研基金20133401110009

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1850-1858