iFind一个结合语义和视觉特征的图像相关反馈检索系统

《iFind一个结合语义和视觉特征的图像相关反馈检索系统》由会员分享，可在线阅读，更多相关《iFind一个结合语义和视觉特征的图像相关反馈检索系统（15页珍藏版）》请在装配图网上搜索。

1、第25卷第7期2002年7月计 算 机 学 报CINESE J. COMPUTERSVOl. 25 NO. 7July 2002iFind : 一个结合语义和视觉特征的图像相关反馈检索系统朱兴全张宏江2)刘文印3)吴立德1)1) (复旦大学计算机科学系上海20 0433)2) (微软亚洲研究院北京100080)3) (香港城市大学计算机科学系香港)摘要给出了一个结合语义与视觉特征信息的图像相关反馈检索系统Zf ind .系统通过图像的标注信息构造语义网络并在相关反馈中与图像的视觉特征相结合有效地实现了在两个层次上的相关反馈在基于内容的图像检索中取得了较为理想的效果具有一定的应用价值.关键词相关

2、反馈图像检索图像语义多媒体数据库中图法分类号：TP 391iFi nd : An Image retrieval system with releva nee FeedbackBased on the comb in atio n of sema ntics and Visual Features1)2)3)1)ZU Xing -0uan ZANG0ng - JiangLIU en -Yin U Li -De1)(DepaTtment of computeT Sezence Fudan un zUeTszty Shangha z200433)2) ( M zeTosoft ReseaTch a

3、s za BeZzng 100080)3)(DepaTtment of computeT Sczence c zty un zUeTzty of Hong Kong Hong Kong )Abstract The rele Va nce feed back appr0ach t0 image retrieval is a p0Werful tech ni gue and has been an active research directi0n f0r the past feW years . Vari0us ad h0c parame ter estimati0n technigues ha

4、Ve been pr0p0sed f0r rele Vance feedback. In addi ti0n meth0ds that perf0rm 0pti- miza ti0n 0n mul ti-leVel image c0ntent m0del haVe been f0rmula ted. 0WeVer t hese met h0ds 0nly perf0rm rele Vance feedback 0n the l0W-leVsl image features and fail t0address the images semantic c0ntent. This paper pr

5、0p0ses a releVance feedback technigue if ind t0take adVantage 0f the semantic contents 0f the images in addi ti0n 10the QW-leVsl features. y f0rming a semantic net- W0rk 0n t0p 0f the keyW0rd ass0ciat i0n 0n the images it is able t0 accura tely deduce and utilize the images semantic c0ntents f0r ret

6、rieVal purp0ses. The experimen tal resul ts 0nreal-W0rld image c0llect i 0ns dem 0n st rate accuracy and eff ectiVe ness 0f the meth0d.Keywordsrele Vance feedback image retrieVal image semantics mul timedia database视频检索技术日益得到重视如何从一个充满图像1 介 绍文本视频的信息库中迅速找到符合用户查询的信息是一个现在广为研究的课题.一般而言只有通随着计算机网络和多媒体技术的发展图

7、像和 过图像分割才能有效地获取图像的语义信息而在收稿日期：2000-09-14；修改稿收到日期：2001-12-04.本课题得到国家自然科学基金重点项目（6993550）资助.朱兴全 男1973年生 博士 主要从事视频分析和检索方面的研究.E-mail : zhuxg cs. purdue . edu.张宏江 男博士 微软亚洲研究院高级研究员主要从 事视频和图像的分析处理和检索媒体压缩和传输等方面的研究.刘文印男博士助理教授主要从事多媒体信息处理管理用户建模及个性化人机界面模式识别等方面的研究.吴立德男1937年生教授博士生导师主要从事计算机视觉和多媒体等方面的研究.期朱兴全等：iFind :

8、 一个结合语义和视觉特征的图像相关反馈检索系统#期朱兴全等：iFind : 一个结合语义和视觉特征的图像相关反馈检索系统59因此9比如9DiN R/ IE DR0 / = D0 + B现有技术上实现一般图像的分割还是一个有待解决的问题9因而9使用图像视觉的特征来描述图像的语 义是一般图像检索系统广泛采用的方法然而9单单靠视觉特征信息是不能准确描述一幅图像的 通过相关反馈的方法来获取更多的用户查询信息是 许多图像检索系统都公认的行之有效的方法视觉特征对一幅图像的描述通常是不完全的 并且这种特征一般是对一幅图像统计信息的描述 而通常用户在检索时更关心的是图像的语义 用户在检索一幅有 6老虎的图像的

9、时候 9总希望各种背景9各种形态的6老虎都被检索到9从特征的角 度来看9不同背景下每幅图像的特征信息是不一样 的9所以9单单用现有的图像特征信息进行相关反 馈9对一个大型数据库而言其查询结果肯定是不理 想的根本原因就在于 9特征不足以充分且准确地反 应一幅图像为了克服上述缺点9本文给岀了一种把图像语义信息和视觉特征相结合的相关反馈方法9并在该方法的基础上实现了一个基于内容的图像检索系统I in同时通过自动学习和反馈算法解决了新图的 语义标注等问题9为基于内容的图像检索系统走向实际应用提供了新的思路2 相关反馈在图像检索中的应用在现有的相关反馈技术中普遍采用的还是 Rocchio公式(1D195

10、给岀的传统信息检索模型9 Rocchio公式中假定用户给定一批相关D R和不相 关DN的文档D (nn/|ednDDD当前查询的相似度就通过式(1D来获得9其中D9B和都是常量9N R/和N n/分别表示正反馈和负反馈的 数目该方程在图像相关反馈检索系统中得到了广 泛的应用9大部分的系统都是基于这样的系统框架来实现相关反馈的如 RS系统4一般而言9相关反馈技术在图像检索中的策略可以分为两大类；改变数据库中点的分布或改变相似度度量中的权重4来实现相关反馈改变数据库中点的分布在根本上就是通过用户的反馈来改变数据库中每幅图像与当前查询的距 离9使相似的点靠近查询点9不相似的点远离查询 点这种策略中比

11、较好的应用是采用Rocchio公式 和Baves方法以及Zhang 3给岀的聚类方法 Cox冋和Nuno同在用贝叶斯方法实现相关反 馈图像检索方面做了深入的研究9并且开发岀了相应的系统基于贝叶斯方法的检索系统在每次查询 前9数据库中所有图像的分布都是均匀的9但是随着用户反馈9系统将用贝叶斯准则来改变数据库中每 个点与查询的距离9从而使数据库中点的分布得到了改变9并逐渐趋于用户的查询结果贝叶斯方法的另一个好处是当前的查询结果是与以前的结果息息 相关的9也就是说查询是带有记忆功能的Zhang同首先通过聚类的方法来将图像库中图 像分为几个大类 9然后根据用户的反馈进行类的分 裂和合并9随着类的不断分

12、裂9那些符合用户感知的类就是最终得到的查询结果改变相似度度量的权重是一种最直接最容易被理解的方法由于系统中每幅图像都是以一个N维特征向量的形式来表示的9因而可以先计算所有正反馈图像在某一维上特征的相关度9如果该维特征上正反馈图像都比较相像9则给这维特征赋以较大的权重9否则就赋以较低的权重文献等比较详细地介绍了各种估计权重的方法及基于其方法的 相关反馈系统前面介绍的所有相关反馈策略都是在图像的视 觉特征上进行的 9实际上视觉特征通常是很难完全 描述一幅图像的 9因而在视觉特征上应用相关反馈 只能从一定程度上改善查询的效果本文给岀了一种将语义和视觉特征紧密结合的相关反询方法9该方法在语义层建立语义

13、网络9实现语义相关反馈9在底层采用基于特征的相关反馈 当图像库中不存在 任何语义信息时 9文中给岀的系统就退化为基于视 觉特征的相关反馈检索系统9然而随着用户的查询和反馈9系统终将学习到越来越多的语义所以说文中给岀的系统框架对于在现有的图像处理技术上实 现基于内容的图像检索和标注是有一定现实意 义的93语义和视觉特征相结合的相关反馈方法本章将首先给出系统为表示语义而构造的语义 网络9并在此基础上实现语义相关反馈然后将该算法与视觉特征相结合9实现两个层次上的相关反馈9构造岀一个统一的相似度度量方程最后给岀系统新图添加策略9实现对图像库新加图像的自动标注3. 1 构造语义网络系统语义网络结构如图

14、1所示库中每幅图像 都以不同的关键词和权重加以描述 .关键词用于表 达图像的语义 由于不同图像的语义明确程度不一样所以每幅图都可能有一个或几个关键词来对其 进行描述.图像语义越简单则用以描述的关键词就越少（如图1中的图像1 3）；反之 图像语义越复 杂 则用以描述的关键词就越多（如图1中的图像 2）.每个关键词的权重反映了该词对图像语义描述 的准确程度权重越大则该关键词越能清晰地描述 该图像.每幅图对应关键词的权重可以根据用户反 馈予以调节.在系统初始状态 所有与图像关联的关 键词 权重都为1.用户反馈 的过程实际上在语 义上 就是修改权重Wij的过程.给定关键词i其关联的图像j被正反馈的次数

15、越多则Wj越大反之 被负反馈的次数越多则Wj越小.一个图像库经过若干个用户反馈和训练以后其对应的结果就是一个符合大多数用户感知的图像库语义描述网络每幅图像的关键词最初可以通过很多渠道来获得当然最直接的方式就是手工标注.但是对于一个大型图像库而言单靠手工标注是非常烦琐的 .应当考虑通过其它渠道来获得标注信息比如本文实验用的Corel图像库该库本身就做好了分类 可以利用这些分类信息作为描述图像的关键词.对于从网络中得到的图片 它们对应的文件名以及在 HTML 文档中对应的 TAG信息等都可以作为参考来获得 该图像的标注信息3. 2 层次化语义描述由于我们在系统中引入了关键词来描述一幅图 像的语义而

16、同一幅图像可以用许多意义相近的关 键词来描述这给关键词匹配及管理都带来了困难.为了解决这个问题iFind引入了层次化的语义描述结构即用两个层次上的关键词来描述一幅图像.首先用图像的分类信息来表示它的第1层语义对于系统中某些语义不明确的图像可以将其分为很多类并用多个关键词来描述其第1层语义.第1层所用到的分类关键词可以采用一些大家广为接受的分 类目录 这样也可以限制该层分类词的数目.在语义描述的第2层 用户就可以用各式各样的关键词对 该图像加以描述.采取这样的策略在一定程度上克 服了由同义词以及其它原因造成的关键词的多样 性.如图2（b）所示 尽管可以用Mammal Horse Racing等不

17、相同的关键词来描述给定的图像但是图像的分类属于 Animal和SpoKs两大类其它的关 键词都是基于这两个分类词展开的.这种结构对于关键词匹配以及后面的语义反馈都有一定的作用在分层描述中系统可以通过其他渠道（网站或图像库）得到比较完整的图像分类信息因而可以控制给定的分类词iFind系统现用到了如下 24个分类词 即用下面24个分类词来描述当前图像库中图 像的第1层语义系统对第2层语义描述的关键词 不做任何限制期朱兴全等：iFind : 一个结合语义和视觉特征的图像相关反馈检索系统#期朱兴全等：iFind : 一个结合语义和视觉特征的图像相关反馈检索系统#AgricultureAn imalAr

18、chitectureArtBusin essChi naClothEducati onFashi onHolidayEn terta inmentFoodFamilyMilitaryNaturePla ntPeopleReligio nSocietySportsScie nceTravelVehicleTexture（a）图像分类描述词表图 2（b）图像层次化描述结构期朱兴全等：iFind : 一个结合语义和视觉特征的图像相关反馈检索系统#3. 3 基于语义的相关反馈基于语义的相关反馈实际上就是根据用户的反馈修改每幅图像对应的关键词及其权重的过程整个过程分为如下几步：（1）系统最初始时将每幅图

19、像所关联的关键词的权 重Wij都设置为1表明与该图像相关的所有关键词的重要 性都一样.（2）每次用户查询和反馈后收集好用户给出的查询关键词和正负反馈图像.（3）对于每个用户提交的查询关键词先查看系统关键词数据库是否有对应的词 如果没有则在关键词数据库中 建立相应项和对应的链接7期朱兴全等 z 一个结合语义和视觉特征的图像相关反馈检索系统94对于所有正反馈的图像9先查看与每幅图像所关联的关键词中是否存在用户提交的查询关键词9如果有9则将该关键词对应的权重加19否则就将查询关键词加入该图像中9并给该词赋予权重10对每幅负反馈的图像 9先查看该图像的关键词中是否存在用户提交的查询关键词9如果有9则将

20、该关键词对应的权重除以 40这样通过用户的反馈将迅速建立并维护图像和 关键词的关联度0一般用户在反馈过程中都不希望在结果中看到已经被负反馈过的图像再次岀现9因而算法中负反馈比正反馈有更重的处罚0同时考虑到不同用户的感知9系统不会轻易删除已建立的一个关键词和图像的关联0从以上的语义反馈中可以看出9随着系统用户反馈次数的增加9库中越来越多的图像都会在反馈的过程中得到标注9同时系统的关键词表也可以得到扩充0更重要的是9这个反馈过程将使得那些能够 准确描述对应图像的关键词得到更大的权重0304 结合语义与特征信息的相关反馈由前面的阐述可知9现有的视觉特征不能够完全准确地描述一幅图像；从另一方面看 g单

21、单靠关键 词也不能够充分描述一幅图像9否则9图像就失去了存在的意义c下面9系统将提岀一种结合语义与特征 信息的相关反馈结构9并定义一个统一的距离方程G 式4 来度量图像库中任意一幅图像与当前用户查询和反馈的距离0下面首先介绍如何通过用户反馈求图像库中图 像与当前查询的语义相关度 0由于视觉特征通常不 能够准确地表达一幅图像 9所以在按照视觉特征排 序后的查询结果中9有的符合用户的查询9其它则不符合用户的查询按照前面介绍的相关反馈系统的做法9系统要求用户指定正例和负例9然后进行反 馈9以此来进一步让系统了解用户的查询要求9而这一切都是在视觉特征的基础上做的本系统中许多图像都带有标注信息9它们的关

22、键词从某种程度上将更有助于从语义层次上了解用户的查询要求用户认为正反馈图像是符合他们查询要求的9也就可以假设9所有正反馈图像的关键词对应的图像在语 义上都是部分符合用户查询要求的9所有负反馈图像的关键词对应的图像在语义上都是不符合或部分不符合用户查询要求的c基于这样的假设 9图像库中图像与当前查询或反馈的语义相关度可以由式3来求得0假设任意一幅图像有N个关键词9Rz表示图像 中第z个关键词的权重跟该图像所有关键词权 重的百分比0很显然9RZ越大9则表明该词越能准确 地描述该图像0U1设K表示图像的所有关键词 9则Kz z 199.9N表示第z个关键词表示当前用户提交的查询 关键词在用户的每次查

23、询开始时9系统将创建两个列表L+和L 9L+用来记录所有被正反馈图像所关 联的关键词9同理9L用来记录所有被负反馈的图像的关键词0每次用户给岀反馈后9系统将检查是否任何一幅正反馈图像的所有关键词都在L+中9如果是9则将L+中对应该关键词的权重加一9否则就在L+中添加该关键词 9并付以权重10同理在L中也对所有负反馈图像的关键词作相同的操作0则图像库中任意一幅图像 的第Kz z 19 9.9 N 个 关键词对应当前正反馈的语义相关度就可以用式3给岀009CzKz L +Kz在L+中的重量L k z在L +和L中所有重量之和否则同理9也可以定义任意一幅图像的第.9 N 个关键词对当前负反馈的语义相

24、关度前面介绍了如何求每幅图像的关键词当前查询z 19中正反馈和负反馈的语义相关度9式4给岀的是系统最后基于Rocchio公式定义的相似度度量公式0它由三部分构成9首先是查询关键词与图像的关键词的匹配度siG9因为图像关键词是对其语义的描述9因而那些与查询关键词匹配的图像9系统将增加其与用户查询的相似度如式 所示o其次分别是图像与当前用户反馈的语义相关度和特征的 相似度0N+Cz:1zR JSkSIG+ B .N R k N f171 +N N kN n4中n R和N n分别表示正反馈和负反馈图像的数目0G 091表示用户给定的语义相关度在计算 相似度时所占的权重9如果G0就表示只用视觉特征相似

25、度进行相关反馈 0Sz表示图像 z和 视觉特 征相似度欧氏距离 0为了计算的简单性 9式中其它两个参数b和7在系统中都指定为 1. 00 SIG 表示图像j与用户查询关键词匹配度由式（5）给岀.Mj（MjzZ Rj G E KjSIG（ j） = Fi n dn*Rhni监川仲1轉戦.IjVmhphhhi A 彳fadtiii-AfHM4tut- 一 4MM i1图4 系统主界面（4）客户端提交用户查询：用户可以在浏览器 端提交一幅图像并上传到服务器中系统抽取特征后进行相似度比较 从而检索岀与该图相似的图像 .每次反馈或查询以后 系统将返回 216幅图像 （分12页）其中前166幅图像是严格按

26、照该图像与 用户查询的距离来排列的后50幅图象是随机从图像库中选取的.给用户一部分随机图是为了在前面 166幅查询 结果都 不符合 用户要求的情况下 给用 户提供更多选择.用户可以在查询结果中选择任意一幅图像作为正反馈或负反馈如图5所示还可以指定在反馈过程中语义相关度在相似性度量中所占的权重然后进行下一次反馈.用户也可以选择几幅图像然后按Ann otati on键并输入对应的关键词来对图像进行标注系统会检索岀与选定图像相似的图像作为返 回结果从而加快对图像库的标注这对于一个最初只有较少标注信息的图像库而言是非常适合的图5系统相关反馈界面4. 2结果系统实验数据是从Corel图像库中选取的 13

27、000幅图像 我们根 据前面 的层次分类标准对图 像进行了标注.并对幅数据库中的每幅图像提取了5种视觉特征（8维颜色直方图颜色矩 Tamura纹理粗糙度和方向MRSAR 纹理）.图6表示系统 检索性能和用户反馈的关系系统随机选取了8组用户反馈（每组反馈为10次）的结果进行比较.由于在 Corel图像库中每类图像都有 100幅相同语义的图 像所以系统就将每类图像的100个作为评判准则：当用户选择一幅图像进行检索系统在反馈过程只统计前面100幅图像中有多少是与查询图像同一类 的.这样精度（precision ）和查全率（recall ）都是同一 数值 系统就用准确率 （accuracy）来统一表示

28、在每次反馈中系统将所有同一类的图像标识为正反馈 并随机地选择5幅不是同一类的图像作为负反馈然后自动进行下一步反馈操作.每次反馈以后系统将统计当前的查询准确率如图6 7所示 图中横坐标表示反馈的次数纵坐标表示检索的准确率图6中每条曲线表示每一组用户反馈图6 系统查询性能图7 系统查询性能比较从结果中可以看岀对于任何一次查询用户反馈4次以后就达到约80%的准确度 反馈8次以后准确度增加到95%以上.同时由结果还可以看岀 用户反馈的次数越多则检索岀的相关图像就越多而不像其它的一些方法用户反馈次数的增加却可能造成查询准确率的降低从这一点来看文中给岀的方法具有更好的鲁棒性为了验证文中方法的有效性我们将该

29、系统的J检索性能与文献5给岀的CBIR系统进行了比较 结果如图7所示，系统任意选了 8组用户查询及反 馈的结果，每组反馈为10次，同时统计每次反馈后各系统得到的查询准确率.由以上结果可以非常清楚地看到，本文给出的结合语义与图像特征信息的 相关反馈方法较其它基于视觉特征的图像检索系统 而言在图像检索性能上有了很大的改善本文给岀了一种语义与视觉特征信息相结合的图像相关反馈检索方法通过在图像语义和特征层J进行合理的结合与反馈形成了一个有效的图像检J索引擎.用户只通过很少的反馈次数就能检索出图 像库中大部分相似图像，同时还给岀了有效的算法解决系统实际应用中添加新图的问题.相对于其它已有的相关反馈算法，

30、本文给岀的方法有两个方面 的特征 首先 系统给出了一种语义网络分层描述结J构，同时提岀了一种语义反馈机制来结合用户的查询和反馈自动修改并完善语义网络其次 系统给出了一套结合语义反馈和图像视觉特征反馈的机制并可以通过用户来调节语义信息在检索中的权重 在图像分割及自动语义分类技术还不成熟的现在文中给岀的方法对于实现一个高效准确的图像检索系统而言是有一定的现实意义的同时实验结果J表明 本文给岀的方法相对于其他的基于内容的检J索系统而言也有很大的改进可以采用任何其它的方，并结合到文中给出，我们将考虑将文献本文给岀的图像相关反馈检索方法对于视觉特 征度量方法是完全透明的 法来度量图像底层特征的距离 的系

31、统中在以后的研究中中给出的贝叶斯方法结合到本系统中来进一步改善zf ind系统的性能致谢感谢微软亚洲研究院胡金辉在算法验证中给予作者的大力支持.参 考 文 献1 BuckleyC， Salton G.Optimizatio nofreleva ncefeedbackweights .In，Proc of SIGIR 95， 1995.2 IshikawaY， Subramanya R， f aloutsosC.Min dreader，Guerydatabasesthrough multiple examples .In，Proc ofthe 24 thVLDB Conference ， New

32、 York ， 1998.3 Lee C， Ma W Y， Zhang J. Informationembeddingbased onuser s releva nee feedback for image retrieval . P Labs， Technical Report ，19984 Rui Y， uang T S， Mehrotra S. Content -based image retrieval with releva nce feedback in MARS .In，Proc IEEE In ternatio nal Conference on Image Proceedin

33、g ， 19975 Salt on G， McGill M J. In troduction to Modern In formatio n Retrieval .McGraw - ill Book Company ， 19836 Cox I J， Miller M L， Minka T P et al . The Bayesian image retrieval system， Picunter ， Theory ， implementation ， and psychophysicalexperiments . IEEE Trans Image Processing ， 2000，9( 1

34、)，20-377 Paek S， Sable C L， atzivassiloglou V et al . Integrationof visual and text -based approaches for the content labeling and classification of photographs . In，Proc SIGIR 99， 19998 Nuno V， An drewL. Bayesia nreprese ntati onsand lear ningmechanismsfor content based image retrieval . In，Proc SP

35、IEStorage and Retrieval for Media Databases 2000， San Jose， California ，20009 Zhu X G， Zhang J，U C et al. A new guery refinementand semantic integratedimage retrieval system with semi -automatic annotationscheme . Journal of ElectronicImaging ， 2000，10( 4)，850-8607期朱兴全等，zfind, 一个结合语义和视觉特征的图像相关反馈检索系统

36、#7期朱兴全等，zfind, 一个结合语义和视觉特征的图像相关反馈检索系统11ZHU Xing -Ouan， male， born in 1973， received Ph. D . degree in computer science from f udan University ， Shanghai， China in 2001. Currently ， he is a post - doctoral researcher in Department of Computer Science， Purdue University ，USA . is research interests in

37、clude video / image processing， video data mining ， content based image / video retrieval and video streaming .ZHANG H ong-Jiang， male， received Ph. D. degree from the Technical University of Denmark . Currently he is the assistant managing director and a senior researcher at Microsoft Research Asia

38、 . is research interests include video and image analysis and processing， content - based image/ video / audio retrieval ， media compression and streaming ，computer vision and their applications in consumer and enterprise markets .LIU Wen -Yin， male， received Ph. D. degree in information management

39、engineering from Technion -Israel Institute of Technology in 1998. Currently he is the Assistantprofessor in Department of Computer Science, City University of ong Kong . is research interests include Web information systems , multimedia information retrieval , image understanding and pattern recogn

40、ition , benchmarking computer vision and pattern recognition algorithms / systems , graphics recognition , document analysis and recognition , automated engineering drawing interpretation , user experience and modeling , pen-based user interface , human -computer interaction , visual similarity , im

41、age retrieval , software engineering , object - process methodology , object -oriented development , object -oriented applications framework , computer graphics and computational geometry , and artificial intelligence .WU Li - De, male, born in l 937, professor , Ph. D. supervisor ,his research inte

42、rests include image processing , video processing , computer vision , pattern recognition , and Chinese text processing .7期朱兴全等，zfind, 一个结合语义和视觉特征的图像相关反馈检索系统#7期朱兴全等，zfind, 一个结合语义和视觉特征的图像相关反馈检索系统#第十一届全国多媒体技术学术会议征文通知7期朱兴全等，zfind, 一个结合语义和视觉特征的图像相关反馈检索系统#7期朱兴全等，zfind, 一个结合语义和视觉特征的图像相关反馈检索系统#由中国计算机学会多媒体专

43、业委员会及中国图象图形学会多媒体专业委员会联合组织的第十一届全国多媒体技术学术会议定于2002年l l月4*6日在广东省东莞市召开东莞市科技局知识产权局承办本次年会重点讨论的专题为宽带无线7期朱兴全等，zfind, 一个结合语义和视觉特征的图像相关反馈检索系统#网络下的流媒体技术与普适计算大会优秀论文将向国内核心学术刊物推荐发表征文范围多媒体信息处理理论与技术多媒体中间件技术多媒体系统与应用多媒体通信与网络宽带流媒体技术移动无线多媒体技术与应用媒体集成与信号处理多媒体标准与相关问题多媒体编码理论与应用虚拟现实与计算机图形智能多媒体分布式多媒体支撑平台普适计算理论技术与应用系统多媒体内容存取与发

44、布媒体安全多媒体信息模型人机接口与人机交互技术 多媒体硬件体系结构多媒体与CSCW多媒体嵌入式计算 多媒体数据库多媒体与艺术7期朱兴全等，zfind, 一个结合语义和视觉特征的图像相关反馈检索系统#7期朱兴全等，zfind, 一个结合语义和视觉特征的图像相关反馈检索系统#征文要求l反映在多媒体及相关技术领域的技术和应用研究成果2. 未在其它会议或刊物上公开发表3. 每篇来稿篇幅不超过6000字,按A4纸排版，论文格式参见会议主页4. 每篇论文务请附上作者联系信息（电话通信地址电子邮件D.5. 来稿请寄：北京清华大学计算机系人机交互与媒体集成研究所孙立峰 收 邮 编:l 00084同时将论文电子

45、版以word或pdf格式用E-mail方式发至 ncmt02三征文日期征文截止日期：2002年8月l日录取通知日期：2002年9月l日提交正式论文截止日期：2002年9月20日四会议网址：http : / ncmt 02. cs. tsinghua . edu. cn联系人钟玉琢 教授 孙立峰(博士 D田淑珍电 话:(0l 0D627869l 062784l 4l l 350l 202297电子邮件 :ncmt 02tsinghua . edu. cn sunlf mail. tsinghua . edu. cn 传 真:(0l 0D6277l l 38#.张毅.赵捧未.刘怀亮.张治国.马志辉

46、 基于语义的图像检索相关反馈技术期刊论文-情报杂志2006(10)iFi nd: 个结合语义和视觉特征的图像相关反馈检索系统m码is尢輩鏈擡#.张毅.赵捧未.刘怀亮.张治国.马志辉 基于语义的图像检索相关反馈技术期刊论文-情报杂志2006(10)作者:作者单位:刊名：英文刊名： 年，卷(期): 被引用次数:朱兴全，张宏江，刘文印，吴立德朱兴全吴立德复旦大学讦算机科学系上海,200433)，张宏江(微软亚洲研究院北京,100080)，刘文印(香港城市大学计算机科学系香港)计算机学报|STIC|El|pkuCHINESE JOURNAL OF COMPUTERS2002,25(7)38次15.张毅

47、.赵捧未.刘怀亮.张治国.马志辉 基于语义的图像检索相关反馈技术期刊论文-情报杂志2006(10)参考文献(9条)1. Ishikawa Y;Subramanya R;Faloutsos C Mindreader:Query databases through multiple examples夕卜文会议19982. Rui Y;Huang T S;Mehrotra S Content-based image retrieval with relevance feedback in MARS外文会议19973. Lee C;Ma W Y;Zhang H J Information embedd

48、ing based on users relevance feedback for imageretrieval 19984. Zhu X Q;Zhang H J;Hu C H A new query refinement and semantic integrated image retrieval systemwith semi|automatic annotation scheme 2000(04)5. Nuno V;Andrew L Bayesian representations and learning mechanisms for content based image retr

49、ieval 20006. Paek S;Sable C L;Hatzivassiloglou V Integration of visual and text-based approaches for thecontent labeling and classification of photographs19997. Cox I J;Miller M L;Minka T P The Bayesian image retrieval system, PicHunter: Theory,implementation, and psychophysical experiments外文期刊I 200

50、0(01)8. Salton G;McGill M J Introduction to Modern Information Retrieval19839. Buckley C;Salton G Optimization of relevance feedback weights1995引证文献(38条)1. 杨树极一种结合语义特征和视觉特征的图像检索方法期刊论文-电脑开发与应用2011(2)2. 史婷婷.沈玉利以本体为核心的图像检索研究期刊论文-仲恺农业工程学院学报2010(3)3. 孔凡辉.柏晓辉.竺如生一种基于多特征融合的图像检索方法期刊论文-哈尔滨商业大学学报(自然科学版)2010(3

51、)4. 任越美.程显毅.李小燕.谢玉宇 基于概念级语义的图像描述与识别期刊论文-计算机科学2008(7)5. 车志强.魏迎梅.刘飞裔 基于语义的自然图像检索及相关反馈算法研究期刊论文-电脑知识与技术2008(36)6. 王南.赵捧未.刘怀亮.马志辉.张治国 基于语义矩阵的图像检索相关反馈技术期刊论文-情报理论与实践2008(1)7. 王南.赵捧未.窦永香.秦春秀.赵飞图像语义检索中的反馈噪声及其抑制算法研究期刊论文-现代图书情报技术 2007(10)8. 伍小芹.温小斌.康耀红.张宏科 基于神经网络生成图像语义的算法研究期刊论文-计算机工程与应用2007(31)9. 黎琳.赵英 基于内容的图像

52、检索反馈技术概述期刊论文-图书情报工作2006(11)11. 温小斌.康耀红Internet图像检索技术综述期刊论文-海南大学学报(自然科学版)2006(2)12. 刘菁华.夏定元 基于多媒体融合的图像检索系统的实现期刊论文-电视技术2006(2)13. 韦娜 基于内容图像检索关键技术研究学位论文博士 200614. 张素芳 基于综合特征的图像检索及相关反馈方法研究学位论文硕士 200615. 闫庆红.彭宇行一种新的数字图书馆图像检索算法期刊论文-现代图书情报技术2005(12)16. 温超.耿国华 基于内容图像检索中的语义鸿沟问题期刊论文-西北大学学报(自然科学版)2005(5)17. 黄德

53、才.胡嘉.郑月锋 交互式图像检索中相关反馈进展研究期刊论文-计算机应用研究2005(9)18. 石立桩.余萍 基于MPEG的语义图像检索系统的研究期刊论文-电力系统通信2005(10)19. 李均利.陈刚.池哲儒 基于模糊相似度量的图像检索期刊论文-计算机工程与应用2005(2)20. 闫庆红 视觉特征和语义相结合的图像检索技术研究与实现学位论文硕士 200521. 石跃祥 计算机视觉图像语义模型的描述方法研究学位论文博士 200522. 董长娥 实用的公路规范查询与公式计算系统的设计与实现学位论文硕士 200523. 陈旌 基于内容的图像检索技术研究学位论文硕士 200524. 王伟凝 基于

54、情感语义的图像特征提取、检索与分类研究学位论文博士 200525. 蔡昌许 基于语义的图像标注与检索系统研究学位论文硕士 200526. 方芳CBIP中的检索算法研究学位论文硕士 200527. 邵刚基于内容的图像检索技术研究与系统实现学位论文硕士 200528. 石跃祥.肖虎程.蔡自兴基于结构模型的人运动图像语义描述期刊论文-计算机工程与应用2004(34)29. 石跃祥.蔡自兴 图像语义的模型结构描述期刊论文-计算机工程与应用2004(20)30. 徐建军.吴玲达 基于内容的图像检索中的相关反馈技术发展期刊论文-计算机科学2004(7)31. 余卫宇.余英林 视频语义信息的研究期刊论文-计

55、算机工程与应用2004(6)32. 余卫宇.余英林 视频语义信息的研究期刊论文-计算机工程与应用2004(6)33. 夏顺仁.莫伟荣.王小英.严勇 基于特征融合和相关反馈的医学图像检索技术期刊论文-航天医学与医学工程2004(6)34. 王昱.周成平.丁明跃.张天序一种基于粗糙集的相关反馈图像检索方法期刊论文-数据采集与处理2004(3)35. 张鸿斌.陈豫 连接基于内容图像检索技术中的语义鸿沟期刊论文-情报理论与实践2004(2)36. 王勇 医学图像特征提取及基于内容检索的研究学位论文博士 200437. 邵虹 基于内容的医学图像检索关键技术研究学位论文博士 200438. 徐杰 基于小样本学习的图像检索研究学位论文博士 2004本文链接：