基于多尺度分析和SVM相关反馈的纹理图像检索  

Image retrieval based on multi-scale analysis and SVM relevance feedback

作　　者：周新虹[1] 彭玉华[1] 刘勇[2] 曲怀敬[1] 

机构地区：[1]山东大学信息科学与工程学院,山东济南 250100 [2]山东电子职业技术学院电子系,山东济南 250014

出　　处：《山东大学学报（工学版）》2008年第2期45-50,共6页Journal of Shandong University（Engineering Science）

基　　金：教育部留学启动基金资助项目(2004.176.4);山东省自然科学基金重点资助项目(G2004Z01);山东大学信息科学与工程学院科研启动基金资助项目

摘　　要：采用了基于小波、Contourlet等多尺度分析工具和SVM(Support Vector Machine)相关反馈的图像检索方案.对纹理图像采用Contourlet变换提取其特征,Contourlet具有多尺度和多方向性,因此比小波变换能更好地提取纹理特征,然后联合一类和二类支持向量机进行检索.首先使用一类支持向量机来估计查询样本的特征向量在高维空间的分布情况,从而给出在没有标识的情况下,进行初步学习探索得到的相似性排名.通过用户反馈,得到带有标识的正负样本信息,从而提供给二类支持向量机进行更细致地学习,使检索结果逐步求精.实验结果从多方面证明了本方案的合理有效性,并指出了较优的反馈数量和反馈次数.An image retrieval scheme based on multi-scale analysis and SVM relevance feedback was proposed. First, a more accurate texture feature was extracted in Contourlet domain than Wavelet due to its multiresolution and directionality. One class and binary class SVM were combined to retrieve. The one class SVM can estimate the distribution of data in high dimensional space, and exploit unlabeled data to get a primary similarity measure order. Then binary class SVM was used to get the labeled sample information through learning user＇s feedback, which finally improved the retrieval accuracy. The experimental results demonstrate the reasonability and effectiveness of the scheme. The most appropriate feedback image quantity and feedback times were proposed.

关 键 词：CONTOURLET 支持向量机 图像检索 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]