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:
为弥合图像低层视觉特征和高层语义之间的语义鸿沟,改善图像检索的效果,机器学习算法经常被引入到图像检索问题中.通常情况下,机器学习算法是与相关反馈机制相结合,通过用户的交互操作,标定出若干正反例图像,很自然地就可以将图像检索问题转化为模式识别中的分类问题.目前融合区域显著性分析的区域图像检索算法尚没有与机器学习算法相融合.本文结合图像区域显著性分析,并针对用户参与反馈的情况,分别提出了两种图像检索解决方案.其一,在没有用户反馈以及用户只反馈正例图像的情形下,将图像检索问题转化为直推式学习问题(Transductive Learning),改进已有的基于图的半监督学习算法,提出了融合区域显著性分析的层次化图表示(Hierarchical Graph Representation)方式,用以实现标记传播;其二,在用户同时反馈正反例图像的情形下,利用用户反馈得到的正反例图像构建相似性邻接矩阵,通过流形排序算法(Manifold-Ranking)学习出用户感兴趣的查询目标概念并用相应的特征向量集合表示,并据此查询图像库返回用户语义相关的图像集合.实验结果验证了这两种检索策略的有效性.
推荐文章
卷积特征图融合与显著性 检测的图像检索
图像检索
特征图融合
显著性检测
卷积神经网络
基于提取标签显著性区域的深度学习图像检索方法
显著性区域
标签向量化
word2vec
图像三元组
图像检索
哈希编码
一种基于图像特征稀疏约束的显著性检测算法
显著性检测
特征选择
特征融合
稀疏约束
线性回归
结合视觉显著性的多聚焦图像融合算法
多聚焦图像
视觉显著性
图像融合
NSCT
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 一种融合图学习与区域显著性分析的图像检索算法
来源期刊 电子学报 学科 工学
关键词 图像检索 区域显著性 图学习 流形排序 相关反馈
年,卷(期) 2011,(10) 所属期刊栏目 学术论文
研究方向 页码范围 2288-2294
页数 分类号 TP391
字数 8838字 语种 中文
DOI
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 须德 北京交通大学计算机与信息技术学院 54 923 17.0 29.0
2 郎丛妍 北京交通大学计算机与信息技术学院 11 74 5.0 8.0
3 冯松鹤 北京交通大学计算机与信息技术学院 11 187 5.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (113)
参考文献  (11)
节点文献
引证文献  (23)
同被引文献  (49)
二级引证文献  (112)
1988(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)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(5)
  • 参考文献(2)
  • 二级参考文献(3)
2008(5)
  • 参考文献(3)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(4)
  • 引证文献(3)
  • 二级引证文献(1)
2013(8)
  • 引证文献(2)
  • 二级引证文献(6)
2014(15)
  • 引证文献(4)
  • 二级引证文献(11)
2015(12)
  • 引证文献(3)
  • 二级引证文献(9)
2016(25)
  • 引证文献(1)
  • 二级引证文献(24)
2017(22)
  • 引证文献(4)
  • 二级引证文献(18)
2018(23)
  • 引证文献(3)
  • 二级引证文献(20)
2019(19)
  • 引证文献(2)
  • 二级引证文献(17)
2020(7)
  • 引证文献(1)
  • 二级引证文献(6)
研究主题发展历程
节点文献
图像检索
区域显著性
图学习
流形排序
相关反馈
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
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
相关基金
中国博士后科学基金
英文译名:China Postdoctoral Science Foundation
官方网址:http://www.chinapostdoctor.org.cn/index.asp
项目类型:
学科类型:
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