基于局部特征和融合准则的图像检索关键技术研究

新兴移动多媒体市场迫切需求海量数据环境下准确检索图像信息。海量图像检索中，有效特征提取、多语义概念、语义鸿沟等问题亟需解决。近年来，研究人员和标准化组织积极推动海量数据下图像检索理论和技术的研究，重点克服局部特征、语义建模，有偏差相关反馈等方面的理论缺陷，提高检索质量。本申请研究模糊图和改进的遗传算法理论，克服局部特征的离散性，增强关联性，从而提高了特征描述性能，同时自适应的度量目标图像之间的相似性，提高相似性度量的准确度。研究独立元分析和信息融合理论，解决多语义概念和语义相关性难题，在不增加计算复杂度的条件下，利用信息间的竞争性、冗余性、互补性，最大限度的提高检索性能。引入核函数机制来获取有偏差情况下反馈样本的非线性分布，并利用粒子群对其进行优化，通过人机交互的方式减少语义鸿沟。本项目有一定的理论前瞻性和重要的实际意义，成果可成为国内图像检索的支撑技术。

随着移动多媒体市场的发展，如何在海量数据中准确地检索出目标图像的信息，这已经成为当前迫切需要解决的技术难题。本项目组围绕海量图像检索中亟待解决的一些问题,开展了广泛和深入的研究，例如有效特征提取、多语义概念、语义鸿沟等问题，取得了完善的理论和实践成果。我们通过对C-SURF等特征提取改进算法的研究，提出了更加完备和精确的特征提取算法。通过研究粒子群优化算法和改进的遗传算法理论，提高了特征选择的效果，增强了特征之间的关联性，从而提高了特征描述的性能，同时自适应的度量目标图像之间的相似性，提高相似性度量的准确度。此外，我们还将改进后的概率潜在语义分析和信息融合理论应用于图像检索理论，解决了多语义概念和语义相关性难题，在不增加计算复杂度的条件下，利用信息间的竞争性、冗余性、互补性，最大限度的提高检索性能。经过两年的研究，本项目组取得了丰厚的研究成果，促进了图像检索相关研究的进展，并且培养了大量专业人才，为后续研究奠定了坚实的基础。