一种新的基于重排序的相关反馈图像检索方法

doi:10.3778/j.issn.1002-8331.2008.20.047

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (20): 155-158.DOI: 10.3778/j.issn.1002-8331.2008.20.047

• 数据库、信号与信息处理 • 上一篇下一篇

一种新的基于重排序的相关反馈图像检索方法

杨德三,李明,刘玲

兰州理工大学计算机与通信学院，兰州 730050

收稿日期:2007-09-27 修回日期:2007-12-07 出版日期:2008-07-11 发布日期:2008-07-11
通讯作者: 杨德三

New relevance feedback based on re-ranking mechanism in content-based image retrieval

YANG De-san,LI Ming,LIU Ling

School of Computer and Communication，Lanzhou University of Technology，Lanzhou 730050，China

Received:2007-09-27 Revised:2007-12-07 Online:2008-07-11 Published:2008-07-11
Contact: YANG De-san

摘要/Abstract

摘要： 提出了一种新的相关反馈方法，该方法引入了R_norm重排序机制。通过计算用户反馈的按个人兴趣排列的期望输出顺序与系统输出图像顺序之间的R_norm值，来调整各个特征的权重，从而指导下一轮的检索。新方法不需标注，减轻了用户的负担，从而避免了用户是否愿意配合的问题，而且实验表明较Rui方法在性能上有很大提高。

关键词: 颜色, 纹理, 形状, 特征融合, 重排序机制, 相关反馈

Abstract: A new relevance feedback method is proposed in the paper，which based on re-ranking mechanism R_norm.R_norm is used to calculate the similarity between system output order and user own-wish order.Then features’ weights are automatically adjusted to guide next retrieval.The new relevance feedback method doesn’t need user’s heavy and complicated tagging work，and experimental results show that it outperforms Rui method.

Key words: color, texture, shape, feature fusion, re-ranking mechanism, relevance feedback

杨德三,李明,刘玲. 一种新的基于重排序的相关反馈图像检索方法[J]. 计算机工程与应用, 2008, 44(20): 155-158.

YANG De-san,LI Ming,LIU Ling. New relevance feedback based on re-ranking mechanism in content-based image retrieval[J]. Computer Engineering and Applications, 2008, 44(20): 155-158.

[1]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[2]	陆莉霞，邹俊忠，郭玉成，张见，王蓓. 多模态融合的膝关节损伤预测[J]. 计算机工程与应用, 2021, 57(9): 225-232.
[3]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[4]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[5]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[6]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[7]	韩文静，罗晓曙，杨日星. 一种复合型手势识别方法研究[J]. 计算机工程与应用, 2021, 57(4): 108-113.
[8]	赵辉，李志伟，方禄发. 特征信息增强的单发多框检测器算法[J]. 计算机工程与应用, 2021, 57(4): 148-154.
[9]	王殿伟，赵梦影，刘颖，宋海军，谢永军. 改进的R-SSD全景视频图像车辆检测算法[J]. 计算机工程与应用, 2021, 57(3): 189-195.
[10]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[11]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[12]	肖瑞雪，冯英伟，屈建萍. 结合高效特征融合的可变尺寸图像隐写分析[J]. 计算机工程与应用, 2021, 57(24): 126-134.
[13]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[14]	滕金保，孔韦韦，田乔鑫，王照乾，李龙. 基于CNN和LSTM的多通道注意力机制文本分类模型[J]. 计算机工程与应用, 2021, 57(23): 154-162.
[15]	王传昱，李为相，陈震环. 基于语音和视频图像的多模态情感识别研究[J]. 计算机工程与应用, 2021, 57(23): 163-170.

一种新的基于重排序的相关反馈图像检索方法

New relevance feedback based on re-ranking mechanism in content-based image retrieval

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics