基于内容的多样性植物图像检索技术研究-计算机技术专业论文.docx

万方数据 万方数据 摘要 摘 要 传统的图像检索技术是通过图像间相似度实现的。由于检索结果中存在过 多重复的信息，所以有必要展开多样性检索技术研究。本文以植物图像为研究 对象，对植物图像特征提取、基于聚类的多样性检索、面向分类的多子流形学 习等内容进行了深入和较为全面的研究。本文工作分为以下四个部分： （1）验证多种图像特征在基于内容的植物图像检索中的有效性。根据植物 图像特点，综合不同的图像特征，进行多样性检索。针对花卉图像，使用形状 和颜色特征相结合的描述符；针对植物叶图像，使用形状和纹理特征相结合的 描述符，进行植物图像检索。 （2）提出一种基于最大散度评估的植物图像多样化检索技术，解决了多样 性检索结果中信息不相关问题。通过支持向量机相关反馈的检索机制，再使用 AP（Affinity Propagation, AP）聚类算法，使检索结果同时具有相关性和多样性 的特点。并针对多样性检索这一特性设计最大散度多样性的评估指标。 （3）提出一种基于多子流形学习的多样性检索方法，提高了多样性检索效 率。该方法可以保证高维特征投影到低维空间后，每个流形间的距离尽可能大， 同时也保证子流形分布差异尽可能大，从而利于提取图像特征的多样性，达到 多样性检索的目的。 （4）开发了一个基于内容的多样性植物图像检索系统，该系统实现了对多 种图像特征的提取，进行初步检索，验证各种图像特征的检索效果，同时实现 了基于相关反馈聚类的多样性检索和基于多子流形学习特征提取的多样性检索 技术。 关键词：多样性检索 相关反馈 AP 聚类 最大散度 多子流形 特征提取 I 华侨大学硕士学位论文 Abstract In the previous studies, only the relevance is cared in retrieval system, so many duplicate or near duplicate documents retrieved in response to a query. To solve this problem, the diversity retrieval technique has proposed. We do deep research on clustering diversity retrieval, feature extraction method on multi-manifolds learning. The main work for this paper can be summarized as follows: Verify the effectiveness of a variety of image features in content-based plants image retrieval. Through the characteristic of different image, we extract different feature in diversity retrieval. Such as extract shape and color feature in flower image, extract shape and texture feature in leaf image. Proposed plant image diversify retrieval based on maximal scatter evaluation. We use the relevance feedback technique based of SVM, and then use the Affinity Propagation clustering algorithm to make the retrieval result not only relevance, but also diversity. We also proposed a new evaluation function - Maximal Scatter Diversity (MSD) static evaluation function. Proposed diversity image retrieval by feature extraction on Multi-manifolds Learning. In high dimensional space, each class data represents a manifold, so the many class type of image feature cast to low dimensional space should keep d