【摘要】 本发明提供一种主动选择代表性图像的相关反馈方法，主要包括以下一系列步骤：(一)计算数据库中每张图像的评分；(二)按照评分从大到小排序，选择评分最大的图像供用户判断是否相关；(三)获得用户反馈结果后，重新计算数据库中图像的相关度；(四)依据新生成的图像相关度对图像排序，更新图像检索结果；(五)返回(一)或者结束。本发明利用机器学习中的主动学习思想，在选择相关反馈的候选图像时同时兼顾检索装置当前已经掌握的信息和对整个图像数据库的代表性，解决了之前相关反馈机制中候选图像随机获得或者只考虑片面因素的问题，从而显著提高相关反馈的效率。 【专利类型】发明授权 【申请人】南京大学 【申请人类型】学校 【申请人地址】210093 江苏省南京市汉口路22号 【申请人地区】中国 【申请人城市】南京市 【申请人区县】鼓楼区 【申请号】CN201010137511.X 【申请日】2010-03-31 【申请年份】2010 【公开公告号】CN101833565B 【公开公告日】2011-10-19 【公开公告年份】2011 【授权公告号】CN101833565B 【授权公告日】2011-10-19 【授权公告年份】2011.0 【IPC分类号】G06F17/30 【发明人】周志华; 黄圣君 【主权项内容】1.一种主动选择代表性图像的相关反馈方法，其特征是计算机数据库中的图像由图像数据库L和查询图像U两部分组成，设定图像数据库L中共有N1幅图像，查询图像U中共有N2幅图像，相关反馈方法包含以下步骤： (1)获得所有图像L和U的特征向量X1和X2，以及L的是否相关信息Y1；如果是第一轮，则L为空集； (2)对U中的每一幅图像计算评分； (3)将步骤(2)计算出来的评分按从大到小的顺序排序； (4)选出评分最大的N3张图像，用S表示，并获得其特征向量X3； (5)将步骤(4)获得的结果交给用户判定是否相关，并用Y3表示反馈结果； (6)将S从U中移除，归并到L中，对应的X3加入到X1中，Y3加入到Y1，并相应地N1加N3，N2减N3； (7)根据更新后的X1，X2和Y1，计算每张图像的相似度，根据新的相似度按从大到小排序后输出作为检索结果； (8)如果用户对检索结果满意了，则检索过程结束，否则进入新一轮的相关反馈； 步骤(2)具体包含以下步骤： (21)基于X1和X2计算一个核矩阵，大小为(N1+N2)×(N1+N2)，用K表示； (22)计算(K+I)的逆矩阵，结果用M表示，其中I是(N1+N2)×(N1+N2)大小的单位阵； (23)将图像计数参数i置为1，开始对U中的图像计数； (24)判断i是否大于N2，如果大于则U中的图像已经遍历完，跳向步骤(29)，否则进入下一步； (25)假设当前图像i是相关的，这里引入一个中间变量z，z＝1表示相关，z＝-1表示不相关，然后按照式(1)计算评分，得到v1； (26)假设图像i是不相关的，即z＝-1，然后同样按照式(1)计算评分，得到v2； (27)比较v1和v2，取其中较小者作为图像i的评分v； (28)将图像计数参数i加1，再转到步骤(24)； (29)结束； 式(1)中的代号M1到M6分别表示M矩阵中某一部分，分别由不同的行和列组成，具体如下：M1由L中图像对应的行和列组成，大小为N1×N1，M2由U中除去第i幅以外图像对应的行和列组成，大小为(N2-1)×(N2-1)，M3由第i幅图像对应的行和列组成，大小为1×1，M4由U中第i幅图像对应的行和L中图像对应的列组成，大小为1×N1，M5由U中除去第i幅以外图像对应的行和L中图像对应的列组成大小为(N2-1)×N1，M6由U中除去第i幅以外图像对应的行和U中第i幅图像对应的列组成，大小为(N2-1)×1； 步骤(7)中基于L计算每幅图片的相似度的方法为：首先假设L中假设有n1幅相关的图像，有n2幅不相关的图像，总共有n幅图像需要计算相似度，并假设两个长度为n1的临时数组A、B分别存储中间值，具体方法如下： (71)将图像计数参数i置为1，开始计数； (72)判断是否n幅图像都已经计算完毕，若i＞n则跳到步骤(75)结束，否则进入下 一步； (73)分两个分支进行： 第一个分支为： (7310)设图像计数参数j＝1； (7311)判断j是否大于n1，是则跳到步骤(7316)，否则进入下一步； (7312)将图像计数参数k初始置为1； (7313)判断k是否大于n1，是则跳到步骤(7315)，否则进入下一步； (7314)按照式(2)计算得到值e1之后存为A的第k个元素，并将k加1； (7315)从A中挑选一个最大值，存为B的第j个元素，并将j加1； (7316)计算B的平均值，得到的值记为s1； 第二个分支为： (7320)设图像计数参数j＝1； (7321)判断j是否大于n1，是则跳到步骤(7316)，否则进入下一步； (7322)将图像计数参数k初始置为1； (7323)判断k是否大于n1，是则跳到步骤(7315)，否则进入下一步； (7324)按照式(4)计算得到值e2之后存为A的第k个元素，并将k加1； (7325)从A中挑选一个最大值，存为B的第j个元素，并将j加1； (7326)计算B的平均值，得到的值记为s2； (74)将s1和s2统一到同一量纲之后进行求和，得到s，作为第i张图像的相似度，然后将图像计数参数i加1，返回到步骤(72)； (75)结束； 式(2)中xi，xj，和xk分别表示第i幅要计算相似度的图像，L中第j张相关图像以及L中第k张不相关图像的特征向量，函数d是用来计算两个向量的距离的，定义如式(3)；式(3)中a和b为两个向量，m为向量a和b的维数，at表示向量a的第t维的值，bt表示向量b的第t维的值；e0为预先定义的大于0的非常小的常数；式(4)中的变量的含义与式(2)中的相同。 微信 【当前权利人】南京大学 【当前专利权人地址】江苏省南京市汉口路22号 【统一社会信用代码】12100000466007458M 【引证次数】4.0 【自引次数】1.0 【他引次数】3.0 【家族引证次数】4.0 【家族被引证次数】6

未经允许不得转载：http://www.zhongzhencnc.com/1785655218.html