| 图像搜索结果的重叠层次聚类与代表点展现 |
|
|
|
|
图像搜索结果的重叠层次聚类与代表点展现
随着图像数量的急剧增长，图像聚类［1-9］已成为将大量图像划分为少数有意义分组(簇)的重要技术。通常情况下，通过图像搜索引擎返回的搜索结果包含多个主题。将结果组织为不同语义的簇有利于用户的浏览。然而，对于图像聚类存在很多挑战，例如高维灾难、可伸缩性差、准确度低、簇意义模糊、簇部分重叠、图像关键特征不易提取等。论文联盟*本文关注的问题是如何对Web图像的搜索结果进行聚类。为了提高图像聚类的结果的质量，本文提出一种高效的基于链接层次聚类的多标记图像聚类，该方法通过图像距离计算相似度，通过链接聚类检测重叠簇，从而每个图像可能归属于多个簇，使得簇标签的意义更明确。为了检验方法的有效性，选择“flower”、“Afric”等几个关键词通过搜索引擎进行图片搜索，并取前25张图片进行聚类，结果表明，该方法能有效发现具有重叠划分的簇，且簇的意义比较明确。
本文的组织如下：首先简述相关的研究工作，然后提出基于链接聚类的图像多重划分方法，接着通过实验验证该方法的有效性，最后总结全文，并对未来的工作进行展望。1 相关工作
近年来，数字媒体技术的发展使得数字图像的制作和传播越来越容易，有效的图像搜索已成为多媒体搜索领域的重要研究课题之一。精确图像搜索是当前研究的焦点，例如使用PageRank［6］算法根据图像的纹理信息和内容搜索用户感兴趣的相关图像。为了实现Web 图像检索结果的聚类，文献［8］定义了单词与图像节点之间的异构链接以及单词节点之间的同构链接，提出并定义了单词可见度这一属性，并将其集成到传统的TF.IDF模型中以挖掘单词—图像之间关联的权重，应用复杂图聚类和二部图协同谱聚类等算法验证了在图模型上引入两种相关性关联的有效性，达到了改进了Web 图像聚类性能的目的。然而，图像的搜索结果往往数量巨大，如何进行有效的聚类，提供给不同兴趣爱好的用户进行选择需要进一步研究。
传统上，由于很多搜索引擎返回成千上万的图片排序列表，因此带给用户不好的用户体验。为改变这种情况，学者开始从事有关聚类图像的研究以提升用户的搜索体验。目前解决的方法是根据不同的视角将搜索结果进行重新组织，划分为不同的分组。文献［9］提出一个使用 [1] [2] 下一页 |
|
|
| |
|
上一个论文： 基于图论的电网并行输电断面快速搜索算法
下一个论文： 打造学校工作总结影视专题片 |
|
用户登录 
新用户注册 