圖像搜索重排序算法研究.pdf

1、隨著存儲設備、網絡以及壓縮技術的快速發(fā)展，網絡上可利用的多媒體資源增長迅速。如何快速有效的檢索圖像數據吸引了越來越多的研究者的關注。借助文本檢索的成熟發(fā)展，大多數的搜索引擎都采用基于關鍵詞的策略來進行圖像檢索。然而由于文本信息所包含的大量噪音以及其描述內容與圖像視覺內容的不匹配等，使得基于關鍵詞的檢索結果不能令人滿意。因此，圖像重排序方法被提出。重排序指的是借助圖像的視覺特征等訓練新的模型對基于文本信息檢索得到的初始排序結果進行重新排序

2、，使符合用戶搜索需求的結果排序位置靠前。
　　重排序主要是指相關性重排序，即檢索結果是根據與查詢詞間的相關性按分值從高到低排序的。根據算法使用框架的不同，重排序算法可以分為基于線性組合、基于聚類、基于分類、基于圖模型等多種。算法中使用的特征也有很多種，可以分為單模態(tài)和多模態(tài)的，也可以分為文本特征和視覺特征等。由于單模態(tài)特征的描述能力有限，多數算法都采用多模態(tài)特征。由于低層特征與高層語義間的語義鴻溝，用視覺特征改善基于文本特征的檢索

3、結果是一種合理的做法，所以多數算法都采用了視覺特征。重排序算法中，多模態(tài)特征間通常是獨立的。由于特征是對圖像語義的一種描述，不同模態(tài)特征從不同角度描述了圖像的內容，因此各模態(tài)特征間不是獨立的?；谏鲜鰧μ卣鞯目紤]，本文在圖像重排序方面做了兩方面工作，分別介紹如下:
　　1.非對稱聯(lián)合重排序。算法考慮多模態(tài)特征之間的聯(lián)系，利用圖模型構造了一個相似性矩陣解決圖像重排序問題。其中相似性矩陣在構造過程中包括3種相似性:不同圖像相同模態(tài)特征

4、間的相似性、同一圖像內不同模態(tài)特征間的相似性、不同圖像不同模態(tài)特征間的相似性。這種矩陣構造方式有效的模擬了圖像之間的關系。
　　2.基于K近鄰聯(lián)合重排序。非對稱聯(lián)合重排序算法僅使用了一種視覺特征描述圖像，不能全面表達圖像的內容，同時考慮到圖像數量增加后帶來的計算資源消耗問題。基于K近鄰聯(lián)合重排序算法算法增加了3種視覺特征并利用K近鄰算法改進相似性矩陣過程。有效解決了非對稱聯(lián)合重排序中存在的兩個問題。
　　本文在數據集上與幾種