丰富图像标签的正则化非负矩阵分解方法

摘要：

目的 随着Web2.0技术的进步,以用户生成内容为中心的社交网站蓬勃发展,也使得基于图像标签的图像检索技术越来越重要.但是,由于用户标注时的随意性和个性化,导致用户提交的图像标签不够完备,降低了图像检索的准确性.方法 针对这一问题,提出一种正则化的非负矩阵分解方法来丰富图像欠完备的标签,提高图像标签的完备性.利用非负矩阵分解的方法将原始的标签—图像矩阵投影到潜在的低秩空间里消除噪声,同时利用图像的类内视觉离散度作为正则化项提高消除噪声、丰富标签的效果.结果 利用从社交网站Flickr上下载的大量社交图像进行对比实验,验证了本文方法对丰富图像标签的有效性.通过对比目前流行的优化算法,本文算法获得较高的性能提升,算法平均准确度提高了12.3％.结论 将图像类内视觉离散度作为正则化项的非负矩阵分解算法,能较好地丰富社交图像的标签,解决网络图像标签的欠完备问题.

关键词：图像标签丰富、正则化、非负矩阵分解、投影梯度法

所属期刊栏目：19

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61075014;西北工业大学博士创新基金项目CX201113

在线出版日期：2014-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1112-1117