科研之友
微信
新浪微博
Facebook
分享链接
摘要
包含丰富信息的图像数据是重要的数据来源，然而要在海量图像数据中进行高效的信息检索却面临不少挑战。通过图像丰富的语义特征区分对象间的差异，图像结构化后的特征维度会达到一个较高的维度，将面临检索代价高、过拟合等一系列问题。不同算法在处理不同类型语义特征的图像数据时，算法的准确性和稳定性有较大差异。为了提高非特定类别图像相似度评价及检索的准确性，设计一种基于集成学习的图像相似度评价方法。首先，以文献中的图像为重点研究对象，从多个权威文献库中收集并提取了大量的图像样本构建样本集；然后，通过对样本集的学习获得了多种评价方法的学习权重，并以此为基础构建基于权重策略的集成学习机制，以提升图像相似度评价方法的稳定性和准确性；最后，通过在样本集上进行测试验证了评价方法的有效性。
-
单位湖北工程学院; 湖北职业技术学院
