CAJ | 학술논문

针对传统基于全局特征的图像检索方法存在的不足,提出一种基于显著点特征和SVM (support vector machine)相关反馈相结合的图像检索方法.显著点提取方法是对图像进行小波分解,选择粗分辨率下绝对值较大的小波系数,它们对应原图像中变化较大的区域,然后在细分辨率下跟踪这些小波系数,提取原图像中的能代表这些变化的点,即显著点；然后利用显著点的空间分布信息,提取显著点周围局部区域的特征进行检索,并对检索结果进行SVM相关反馈.实验结果表明,引入反馈的方法可有效地检索更多的相关图像,明显提高了检索的准确性.
침대전통기우전국특정적도상검색방법존재적불족,제출일충기우현저점특정화SVM (support vector machine)상관반궤상결합적도상검색방법.현저점제취방법시대도상진행소파분해,선택조분변솔하절대치교대적소파계수,타문대응원도상중변화교대적구역,연후재세분변솔하근종저사소파계수,제취원도상중적능대표저사변화적점,즉현저점；연후이용현저점적공간분포신식,제취현저점주위국부구역적특정진행검색,병대검색결과진행SVM상관반궤.실험결과표명,인입반궤적방법가유효지검색경다적상관도상,명현제고료검색적준학성.