一种基于度量距离学习的图像检索方法

摘要：

CBIR系统由于受图像低层特征的限制,制约了它的检索效果.机器学习和统计方法是一种有效的提高检索性能的方法,但通常需要大量的训练样本才能达到满意的检索精度.提出一种理想的距离度量函数,在对图像进行简单分类并提供少量训练样本的基础上,通过类的距离度量矩阵M的学习来考虑分量之间的相关性.这个度量导入二次最佳化问题的解,将训练样本类结构的倾斜最小化.试验结果表明,该方法能在学习样本极少的情况下提高检索的性能.

关键词：CBIR、聚类、距离函数、度量学习、特征空间

所属期刊栏目：25

分类号：TP181(自动化基础理论)

资助基金：日本学术振兴会科学研究费补助金基盘研究B项目17300036

在线出版日期：2007-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：186-189