图像检索中的高斯混合聚类算法研究.pdf

广东工业大学
硕士学位论文
图像检索中的高斯混合聚类算法研究
姓名:宋三明
申请学位级别:硕士
专业:计算机应用技术
指导教师:杨群生
20080501
摘要高斯混合模型能够用参数化的方法描述样本空间中的数据分布,将高斯混合模型的参数作为图像的特征具有简洁高效的优点。层次性图像检索在图片高斯混合特征的基础上通过聚类得到类的高斯混合特征。层次性高斯混合聚类算法能将复杂的高斯混合特征聚类成比较简单的混合模型,检索的时候可以先查找类,然后在类中查找目标图片,这样可以大大降低时间复杂度。层次性图像检索的核心聚类分析用来探索未知数据的内部结构,为决策服务,在各个领域有着广泛的应用。高斯混合聚类将高斯成分当作样本空间中的基元,借鉴经典聚类算法的思路,将复杂的高斯混合模型聚类成简单的高斯混合模型,适合于处理高维空间中的大样本数据集,是对经典聚类算法思想的推广。本文主要研究了如下两种混算法的推广,但是惴挥谐浞挚悸腔旌铣煞葜湫讲畹牟钜欤沟镁类的时候出现协方差大的混合成份过度扩张,导致最后聚类得到的混合模型不能很好的反映类的内部结构。,采取引入协方差因子平衡后验概率即隶属度的方式,增强小协方差成分的影响,抑制大方差成分过度膨胀。另一种是提出的一种基于信息论的凝聚式信息瓶颈惴ā算法是凝聚算法的推广,。本文证明了此狢仿真公式与信息瓶颈原理的矛盾性,并提出了概率密度满足高斯混合分布时的解决方案,即将高斯混合分布时的概率距离度量引入到械南嗨菩远攘浚煌苯獺算法中期望步骤中更新高斯混合成分参数的思路引入惴ǎ美辞竺看魏喜⒌玫降男碌母咚钩煞值牟数。利用类似的思路还可以将其他经典聚类算法进行推广。图像检索实验验证方案的合理性和有效性。是高效的层次性聚类算法。合聚类算法:一种是由甐提出的层次性期望最大惴ā算法是
关键字:图像检索;高斯混合模型;层次性聚类;层次性期望最大算法;凝聚式信息瓶颈算法广东等搜学位论文
瓵狹甐.,瑆,,瑆琻狧.,,—,,瓸,甌瑄..
;,狢:籬广东人学坝宦畚琣甌瓵瑆..籊;
如警砂独创性声明年多月劢日秉承学校严谨的学风与优良的科学道德,本人声明所呈交的论文是我个人在导师的指导下进行的研究工作及所取得的研究成果。尽我所知,除了文中特别加申请学位论文与资料若有不实之处,本人承担一切相关责任,特此声明。以标记和注释的地方外,论文中不包含他人已经发表或撰写过的研究成果,不包含本人或其它用途使用过的成果。与我一起工作的同志对本研究所做的任何贡献均己在论文中作了明确的声明,并表示了谢意。本学问论文成果是本人在广东工业大学读书期间在导师的指导下取得的,论文成果归广东工业大学所有。指导教师签字:论文作者签字:~、、
,数字图像资源正以惊人的速度增长。如何方便、快捷、经济地找到自己所需要的图像信息,成为人们普遍关心的问题。这样,图像检索技术就诞生了【】】。图像检索一般分基于文本、内容和语义的检索基于文本的检索的前提是对图像进行人工标注,但是标注任务工作量太大,本就能完全描述的【。基于内容的图像检索指根据图像的内容,如颜色、纹理和形状等低层的特征对图像进行匹配查找【俊;谀谌莸耐枷窦焖骷际跻丫⒄沽耸嗄晔奔洌研发出的此类检索系统有如【浚琍琕,但是,图像低层特征的相似性并不能代表人类感官的语义相似性,人们观察图像的过程是一个结合了经验知识、目标对象和表达情感的语义推理过程,即二者之间存在语义鸿沟俊;谟镆宓耐枷窦焖骷蠢靡延械幕餮袄砺厶崛图像的语义信息,再基于语义进行查询。基于语义的图像检索的目的,就是要使计算机检索图像的能力达到人的理解水平。图像语义处理所面临的主要困难在于:一是它必须提供高层语义的描述方式;二是实现图像视觉特征与高层语义之间的映射【】。因此,建立图像的“低层特征”与“高层概念”之间的联系是图像检索系统所面临的一个难题,也是进一步发展的关键。已研发出的语义图像检索系统有—取图像检索技术的应用非常广泛,如多媒体数据库、数字图书馆、知识产权保护、商标管理、新一代网上搜索、地理信息系统、军事领域、罪犯识别系统、远并且带着相当大的不精确性和主观性。另外很多丰富多彩的图像内容是不能用文,取,第一强绪论【,
.愦涡酝枷窦焖被研究者将其应用到图像检索中型‘程教育以及个人相册管理等方面‘。图像检索的研究对推动和丰富信号与信息处理的理论有重要意义,其应用对解决信息膨胀,快速高效地利用多媒体信息都有实际的价值,逐渐成为人们的研究热点。在海量数据库中检索,对数据库中的每一幅图像进行匹配,时间复杂度非常通过聚类算法提取每一幅图像的特征,然后将每一个类的图片的特征进行聚类,这样用户在检索