研究文章雷竞技app下载苹果版

基于聚类的图像检索

摘要

典型的基于内容的图像检索(CBIR)系统查询结果是一组按与查询相关的特征相似性排序的图像。然而，与查询具有高度特征相似性的图像可能在语义上与查询有很大不同。这就是所谓的语义差距。本文提出了一种新的基于无监督学习的图像检索方案，该方案基于一个假设，即图像在语义上倾向于在某些特征空间中聚类，从而解决了图像的语义鸿沟问题。CLUE试图通过学习具有相同语义的图像相似的方式来捕获语义概念，并检索图像集群而不是一组有序的图像。CLUE中的聚类是动态的。具体地说，簇的形成取决于在响应查询时检索哪些图像;聚类提供了算法和用户语义相关的线索，告诉用户该去哪里导航。CLUE是一种通用的方法，可以与任何实值对称相似度量相结合。因此，它可以嵌入到许多现有的CBIR系统中。 Experimental results based on a database of about 60,000 images from COREL demonstrate improved performance.

Dr.A.Muthu Kumaravel

阅读全文下载全文|访问全文