基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于语义内容的图像检索已成为解决图像低层特征与人类高级语义之间"语义鸿沟"的关键.以性能优越的回归型支持向量机(SVR)理论为基础,结合重要的图像边缘信息及人眼视觉特性,提出了一种基于多语义特征的彩色图像检索新算法.该算法首先利用Canny检测算子提取原始图像的边缘信息,并得到低层纹理特征,同时利用SVR将低层特征映射到高级语义,以获得图像的高级纹理语义.然后结合人眼视觉系统感知特性,给出基于重要区域主要颜色的高级颜色语义.最后根据上述高级语义特征(纹理语义和颜色语义)进行图像检索.实验结果表明,该算法能够有效地对图像高级语义进行刻画,不仅图像匹配检索效果良好,而且具有稳定的检索性能,其对于缩小低层视觉特征与高级语义概念之间的"语义鸿沟"具有重要意义.
推荐文章
综合语义与颜色特征的图像检索技术研究
多媒体
搜索引擎
图像检索
语义
颜色特征
基于形状的图像检索技术研究
基于形状的图像检索
形状特征
小波-傅里叶特征
检索性能评价
基于概念格的图像语义检索研究
概念格
基于内容的图像检索
语言变量
语义检索
基于模糊熵的空间语义图像检索模型研究
模糊信息熵
基于内容的图像检索
空间特征语义
语言变量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多语义特征的彩色图像检索技术研究
来源期刊 计算机科学 学科 工学
关键词 图像检索 高级语义 回归型支持向量机 视觉感知特性
年,卷(期) 2009,(3) 所属期刊栏目 人工智能及图像处理
研究方向 页码范围 226-231
页数 6页 分类号 TP391
字数 6198字 语种 中文
DOI 10.3969/j.issn.1002-137X.2009.03.062
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨红颖 辽宁师范大学计算机与信息技术学院 94 1241 22.0 29.0
2 王向阳 辽宁师范大学计算机与信息技术学院 142 1963 25.0 33.0
6 周璐 辽宁师范大学计算机与信息技术学院 6 17 2.0 4.0
7 牛盼盼 辽宁师范大学计算机与信息技术学院 14 120 5.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (38)
参考文献  (11)
节点文献
引证文献  (13)
同被引文献  (8)
二级引证文献  (4)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(5)
  • 参考文献(3)
  • 二级参考文献(2)
2006(5)
  • 参考文献(5)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(5)
  • 引证文献(4)
  • 二级引证文献(1)
2012(3)
  • 引证文献(2)
  • 二级引证文献(1)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像检索
高级语义
回归型支持向量机
视觉感知特性
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导