黄晓冬　孙亮

摘要：为解决主成分分析（PCA）无法处理非线性数据集以及鲁棒性差的问题，提出一种鲁棒的余弦欧氏距离度量的降维方法（RCEM）。该方法利用余弦度量（CM）能够处理离群点的特点来提取数据的局部几何特征，并利用欧氏距离能够很好地保持样本的方差信息的特点来刻画数据集的全局分布，在保留数据局部信息的同时实现了局部和全局的统一，提高了局部降维算法的鲁棒性，同时避免了局部小样本问题。实验结果显示，与角度优化全局嵌入（AOGE）方法相比，在Corel-1000数据集下检索查准率提高了5.61%，相比不降维时检索时间减少了42%。结果表明，RCEM算法能在不降低图像检索精度的同时提高图像检索的效率，可以有效应用于基于内容的图像检索（CBIR）。

关键词：主成分分析；余弦度量；欧氏距离；局部信息；基于内容的图像检索

中图分类号：TP391.41

文献标志码：A

0引言

近年来，随着多媒体技术和互联网图像资源的迅速发展，人们对图像检索的需求越来越强烈。图像检索技术主要分为基于文本的图像检索（Text-Based Image Retrieval， TBIR）和基于内容的图像检索（Content-based Image Retrieval， CBIR）方法。CBIR根据图像所包含的颜色、纹理、形状和空间位置信息等信息来描述特征，进而对高维低层视觉特征所形成的特征向量进行处理和检索，成功克服了TBIR中存在的关键字描述不准确以及检索效率不高等问题，是一种具有自动化和智能化特点的图像检索方法。图像特征提取的方法有很多，其中：Ojala等[1]提出将局部二进制模式（Local Binary Pattern， LBP）作为图像的纹理特征描述子；……