张戎秋

（1.安徽大学 计算机科学与技术学院，安徽 合肥 230038；2.淮南师范学院 计算机与信息工程系，安徽 淮南 232038）

1 前言

近年来基于内容的图像检索技术（CBIR）日益受到了人们的广泛关注，它的目的是实现自动地、智能地检索图像，研究重点就是对图像内容的视觉特征（如颜色、纹理、形状、空间关系等底层特征）进行检索。由于图像的低层特征同高层语义的非一致性使得CBIR结果并不是每次都能让用户满意，因此相关反馈（relevance feedback，RF）技术被引入到图像检索技术中来。

RF技术是一种利用先前的检索结果信息进行反馈来自动调节当前查询，或借助人机交互细化低级特征表达的高层查询技术。它根据用户先前检索结果与需求相关性的反馈信息自动地调整已有的查询使之更好地吻合用户的需求①Salton G,McGill MJ.1983.Introduction to Modern Information Retrieval，New York:McGrawHill。

基于显著性特征的图像检索相关反馈算法是在Rui所提出的基于特征权重调整的相关反馈算法的基础上提出的一种新的反馈策略，以提高图像数据库检索的效果②Rui Y,Huang TS,Ortega M,et al.1998b.Relevance feedback:a power tool for interactive contenet-bas-ed image retrieval，IEEE CSVT,8(5):644-655。

2 显著性特征的相关反馈算法的基本思想

设用户提交的图像Q，IP、IN分别为经用户反馈后检索到的图像集合中的相关图像集合和无关图像集合，若图像Q'∈IP，且Q'也能被Q通过某个特征（如颜色直方图）检索到，显然用户的需求能通过 Q'的这个特征表示。再次检索时，把图像Q'的这个特征向量作为检索标准。同样经过用户反馈，可以得到多条检索标准，用它们构造新的查询向量，这个查询向量我们称为相关反馈中的显著性特征向量，它所对应的特征称为显著性特征。……