基于支持向量机语义分类的两种图像检索方法
为了更好的解决基于内容的图像检索问题,提出了两种基于语义的图像检索方法。第一种是基于SVM语义分类的图像检索方法。该方法首先提取训练图像库的底层特征：HSV颜色直方图,RGB三阶颜色矩和RGHV共生矩阵纹理特征,然后利用支持向量机对所提取的特征进行训练,构造多分类器。在此基础上,利用分类器对测试图像自动分类,得到图像属于各个类别的概率,实现图像检索。第二种是利用图像自动标注方法进行检索。在基于语义的图像自动标注中,先对训练集进行人工标注,对测试图像利用SVM分类器进行分类,并找到与该图像最相似的N张构成图像集。对该图像集的标注进行统计,找到关键词,从而提供概念化的图像标注以用于检索。通过在标准图像检索库和自建图像库上的实验结果表明,本文提出的两种基于语义的图像检索方法是高效的。
图像检索 语义分类 支持向量机 分类器
Liao Qiqi 廖绮绮 Li Cuihua 李翠华
Department of Computer Science and Technology, Xiamen University, Xiamen 361005, China 厦门大学计算机科学与技术系 厦门 361005
国内会议
山东泰安
中文
36-37
2009-08-15（万方平台首次上网日期，不代表论文的发表时间）