基于贝叶斯分类器的图像检索相关反馈算法

被引：22

作者：

苏中

张宏江

马少平

机构：

[1] 清华大学计算机科学与技术系

[2] 微软亚洲研究院

[3] 清华大学计算机科学与技术系北京

[4] 清华大学智能技术与系统国家重点实验室

[5] 北京

来源：

软件学报 | 2002年 / 10期

关键词：

基于内容的图像检索; 相关反馈; 贝叶斯分类器;

D O I：

10.13328/j.cnki.jos.2002.10.013

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

由于图像底层特征及其本身所包含的上层语义信息的巨大差距,使得基于内容的图像检索很难取得令人满意的效果.作为一种有效的解决方案,在过去的几年中,相关反馈在该研究领域取得了一定的成功.提出了一种新的具有学习能力的反馈算法.该算法基于贝叶斯分类原理,运用不同的反馈策略分别处理正、负反馈,同时它具有学习能力,可以运用用户的反馈信息不断地修正检索参数,使系统的检索能力得到不断的提高.通过在大图片库上的检索实验,该算法产生的效果大大优于当前其他的反馈方法.

引用

页码：2001 / 2006

页数：6

共 9 条

[1]

Relevant feedback using aBayesian classifier in content-based image retrieval. Su,Z,Zhang,H,Ma,S. Proceedings of theSPIE Storage andRetrieval forMediaDatabases . 2001

[2]

UsingBayesian classifier in relevant feedback of image retrieval. Su,Z,Zhang,H,Ma,S. Proceedings of the12thIEEE InternationalConference onTools withArtificialIntelligence (IEEE ICTAI 2000) . 2000

[3]

A Novel Relevance Feedback Technique in Image Retrieval. Rui, Y,Huang, T. S. Proceeding of the seventh ACM international conference on Multimedia (Part 2) . 1999

[4]

Pattern Classification and Scene Analysis. Duda R O,,Hart P E. . 1973

[5]

Incremental relevance feedback. Aalbersberg,I.J. Proceedings of the15thAnnualInternationalACM SIGIR Conference onResearch andDevelopment inInformation retrieval . 1992

[6]

The Bayesian image retrieval system, PicHunter: Theory, implementation, and psychophysical experiments. I.J. Cox,M.L. Miller,T.P. Minka,T.V. Papathomas,P.N. Yianilos. IEEE Transactions on Image Processing . 2000

[7]

“Relevance Feedback: A Power Tool for Interactive Content-Based Image Retrieval”. Rui Y,Huang,T.S. IEEE Circuits and System for Video Technology . 1999

[8]

Learning from User Feedback in Image Retrieval Systems. Vasconcelos N,Lippman A. Proc. of Neural Information Processing System . 1999

[9]

Relevance feedback revisited. Harman,D. Proceedings of the15thAnnualInternationalACM SIGIR Conference onResearch andDevelopment inInformationRetrieval . 1992

← 1 →