吕英丽 徐小君 顾 勇

(河北建筑工程学院，河北张家口075000)

1 引言

随着网络技术和成像技术的迅猛发展，基于内容的多媒体图像资料的搜索需求日益强大［1］.现有的搜索引擎如百度、谷歌等对图像资料的搜索主要依赖于图像对应的标注信息，使得搜索结果不尽准确.而手工进行图像标注的方法费用太过昂贵，仅仅根据标注的文本信息检索图像资料已经不能满足搜索的需求.新兴的研究主要集中在基于内容的图像检索系统上，即通过分析图像内容数据确定图像的检索信息进而进行图像检索［2］［3］.这些研究将促进基于图像内容搜索技术的应用，带来很大的经济效益，同时能引起人们生活方式的变革进而产生巨大的社会效益［4］［5］.正是在这样的背景下，本文应用LDA(latent Dirichlet allocation)模型对基本图像特征进行建模，然后应用且具有良好分类效果的支持向量机SVM(Support Vector Machine)算法进行分类.

2 LDA模型介绍

本文利用图像低层特征和图片文件数据建立图片的LDA模型.把模型参数送到LDA模型数据库进行检索，返回根据图像内容检索到的类似图像结果.寻找图像的重要特征并构建图像的语义模型.应用shift特征结合低层特征进行特征融合.建立图像的改进LDA模型.根据语义模型进行图像库的预分类技术加快检索速度.其中LDA模型是系统的核心模型.

LDA即隐狄立特雷分配［6］，是David Blei，Andrew Ng和Michael Jordan在2002年首先提出的一种生成模型.它是为文本处理领域引入的一个采用无参数分级贝叶斯方法产生的主……