[发明专利]一种可扩展的多语义图像相关反馈方法

摘要

本发明公开了一种可扩展的多语义图像相关反馈方法，包括以下步骤：步骤一，有效主流排序；步骤二，基于帕累托的多语义图像相关反馈；给定某一基于内容图像检索的图像特征数据集X＝{x1,x2,...,xn}；定义M为X上的某种度量(如距离度量)；定义排序函数R为每个xi分配排序得分γi，对应于检索图像特征数据点的排序得分为1；该可扩展的多语义图像相关反馈方法，利用和结合有效主流排序依据数据中潜在的几何关系对检索数据进行相似性度量排序，实现了一种具有强鲁棒性(扩展性)的图像相关反馈检索方法，同时集合帕累托前沿深度，利用帕累托相关理论依靠检索数据的有效主流排序结果进行反馈检索优化，实现了基于内容的多语义图像相关反馈检索。

主权项

1.一种可扩展的多语义图像相关反馈方法，包括以下步骤：步骤一，有效主流排序；步骤二，基于帕累托的多语义图像相关反馈；其特征在于：其中在上述步骤一中，有效主流排序包括以下步骤：1)给定某一基于内容图像检索的图像特征数据集X＝{x₁,x₂,...,x_n}；定义M为X上的某种度量(如距离度量)；定义排序函数R为每个x_i分配排序得分γ_i，对应于检索图像特征数据点的排序得分为1，其余图像特征数据点依据与检索特征数据点间(距离)度量，被对应分配小于1的排序得分；2)定义Y＝[y₁,...,y_n]，当x_i为检索图像特征数据点时则对应y_i取值为1；3)构造X的相关图，将特征样本对间距离按升序排序，并以此对数据点之间添加边，构造相关的连通图，即锚图，如x_i与x_j之间连通，边的权重计算依据公式为：w_ij＝exp(‑M²(x_i,x_j)/2σ²)，若两者不连通全重置零；4)对于大规模检索图像数据集，选用迭代方案：R(t+1)＝αSR(t)+(1‑α)y，在每次迭代期间，每个数据点从其邻域接收信息，并保留其初始信息，重复迭代直至收敛；对于小规模图像检索数据集，也可以采用闭合策略，仅对每个数据点计算其排序得分；5)计算有效主流排序时，依据Woodbury公式，H＝ZD^‑1/2，S＝H^TH得到最终排序函数如下：其中，D是对角矩阵，其中z_i是为Z的第i列，6)相关反馈中选取图像特征数据库中数据点作为锚图中数据点的坐标；并通过邻域大小为s的核函数构造权重矩阵Z；直接按最终排序公式计算排名得分；其中在上述步骤二中，基于帕累托的多语义图像相关反馈包括以下步骤：1)定义用户反馈的一组图像检索特征数据点为使用前述有效主流排序得到的对应定义非相似性度量表征I_i与所有检索数据间的差异；2)对于T＞1，表示检索的T元组，设P为所有的帕累托点集合，每个帕累托点为P_j且P_j＝[dis_1(j),...,dis_T(j)]，其中j∈{1,...,N})对应于x_j；3)采用帕累托前沿方法依据有效主流排序结果生成帕累托优化点。帕累托优化点的集合即为帕累托前沿。定义帕累托优化点集为S，同时其前沿深度为1；在除去深度为1的帕累托优化点后，剩余样本中的非支配点集合成为深度为2的帕累托前沿；重复剔除前一深度优化点集P_j，并在前深度前沿差集中获取当前深度前沿P_i中的非支配点集，帕累托前沿深度迭代过程公式表示如下：4)定义各深度帕累托前沿中间部分的点集为反馈结果，在深度到达设定阈值或直至获得足够多数量的样本数据后，终止反馈检索并输出对应的多语义相关图像数据。