基于多尺度分析和SVM相关反馈的纹理图像检索

被引：3

作者：

周新虹 ^{[1
]}

彭玉华 ^{[1
]}

刘勇 ^{[2
]}

曲怀敬 ^{[1
]}

机构：

[1] 山东大学信息科学与工程学院

[2] 山东电子职业技术学院电子系

来源：

山东大学学报(工学版) | 2008年 / 02期

关键词：

Contourlet; 支持向量机; 图像检索;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

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.

引用

页码：45 / 50

页数：6

共 7 条

[1] "Contourlets"in Beyond Wavelets. DO Minh,,VETTERLI M. . 2002
[2] Image retrieval with svm active learning embeddingEuclidean search. WANG L. Image Processing Europe . 2003
[3] One-Class SVM for Learning in Image Retrieval. CHEN Yun-qiang,ZHOU Xiang,HUANG Thomas S. Proceedings ofInternational Conference on Image Processing . 2001
[4] Wavelet-based texture retrieval using Generalized gaussian density and kullback-leibler distance. Minh N Do,Martin Vetterli. IEEE Transactions on Image Processing . 2002
[5] Estimating the support of a high-dimensional distribution. Sch瘦kopf B,J.C Plat,,J.Shawe-Taylor,,A.J.Smola,,R.C.Williamson. Neural Computation . 2001
[6] Philipp-Foliguet.Stochastic explo-ration and active learning for image retrieval. CORD M,GOSSELIN P S. Image and Vision Computing . 2007
[7] Content-based image retrieval at the endof early years. SMEULDERS A W M. IEEE Transaction on Pattern Analysis andMachine Intelligence . 2000

← 1 →