基于SVM的CBIR相關反饋技術研究.pdf

1、隨著數字化影像設備在醫(yī)學領域中日益廣泛的應用，醫(yī)院每天都要產生大量的數字圖像。如何有效地進行數字圖像的管理，是實現計算機輔助診斷，達到“無紙化、無膠片化”的信息化醫(yī)院的關鍵?；趦热莸膱D像檢索(CBIR)是實現數字圖像管理的重要途徑。CBIR是目前計算機圖像研究的熱點，不同于傳統的文本檢索，它將圖像的內容有效地結合到圖像檢索系統中，對于醫(yī)學圖像的管理將起到極其重要的作用。
　　 在CBIR系統中，圖像內容通常由圖像的底層特征來表

2、示，然而圖像的底層特征和高層語義之間往往存在較大的語義鴻溝，僅僅根據圖像底層特征得到的檢索結果很難滿足用戶的要求。于是近年來人們將相關反饋機制引入到CBIR中。相關反饋技術對于基于內容的圖像檢索至關重要，系統可以通過用戶的相關反饋來達到減小語義鴻溝的目的。
　　 本文在研究相關反饋的基礎上，提出了一種基于SVM的CBIR相關反饋方法。首先在分析了傳統SVM相關反饋算法存在的不足后，引入了主動學習機制，提出了新的采樣算法；同時通過

3、分析用戶的反饋模式，提出了改進的相關程度判斷模式；然后結合改進的相關程度判斷模式，提出了Bsoft SVM(Best soft SVM)分類算法，通過引入軟標記標注不確定樣本，使SVM決策平面盡量偏向不確定數據，從而盡可能減小結構風險，加速分類器的收斂速度。通過大量對比實驗，證明了本文提出的算法相對于傳統SVM算法有更高的檢索效率。最后設計實現了一個基于SVM的醫(yī)學圖像相關反饋檢索系統，驗證了本文提出的算法對CBIR的有效性。