崔敬敏　王晓晓　郝昕疌

摘要：针对基于内容的图像检索中遇到的效率低下和语义鸿沟问题，设计并实现了一个交互式的图像检索系统。系统首先结合人类视觉注意机制提取图像显著区域，再对不同的区域进行不同特征或不同权重的描述。最后，在初次检索后应用支持向量机（Support Vector Machine， SVM）和粒子群优化（Particle Swarm Optimization， PSO）算法进行相关反馈（Relevance Feedback， RF），使检索结果更符合用户目的。实验表明，用SVM进行反馈检索效率有大幅度提高，而PSO在小样本指导下，表现出高效的学习和快速的收敛优势。

关键词： 基于内容的图像检索； 语义鸿沟； 视觉注意机制；显著区域； 支持向量机； 粒子群优化；相关反馈

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2013）08-1869-05

图像检索是图像处理和计算机视觉领域研究的热点之一。基于内容的图像检索技术从图像自身内容特征出发，自动化地检索出满足用户需要的图像。但是由于图像的底层特征和高层语义之间存在语义鸿沟[1]，目前没有任何一种方法和特征可以在所有类型的图像上都取得较好的检索效果。另一方面，人们对图像的理解存在主观性，系统通常难以用图像的底层物理特征准确地刻画用户提交的检索需求，即系统从用户提交的样本中提取的特征往往不能很好的体现用户此次检索的目的。因此，通过引入相关反馈技术[2]进行人机交互，形成图像低层特征与用户高层语义间的映射关系，是目前改进图像检索效果的重要途径。

1 相关反馈技术研究