科研之友
微信
新浪微博
Facebook
分享链接
摘要
对网络中用户需求特征图像的优化检索,能够有效提高图像检索效率与质量。对特征图像的检索,需要通过距离函数比较待检索图像与图像库的相似度,获取图像差异的检索阈值,完成用户需求特征图像的检索。传统方法计算二维图像的显著值,提取图像最显著的点集,得到像素的显著值占双亲节点显著值的比例,但忽略了获取图像差异的检索阈值,导致检索精度偏低。提出基于机器学习的网络用户需求特征图像检索方法。该方法先利用深度学习模型提取图像中的深层非线性特征,根据每个特征像元的空间近邻信息,提取样本深度特征和空间信息,通过距离函数比较待检索图像与图像库的相似度,获取图像差异的检索阈值,完成对基于机器学习的网络用户需求特征图像检索。仿真证明,所提方法图像检索效果较为明显,为提升图像的检索质量、满足图像管理的实际需求奠定了基础。
- 出版日期2018
- 单位上海理工大学
