演示的技巧无忧毕设网ppt课件

1、Web中图像的检索技术研究 本文来自无忧毕设网wybsw 联系QQ： 375279829作作 者：刘晓流通者：刘晓流通指导老师：张指导老师：张 量量 2004.6.10摘 要 随着网络技术和计算机技术的飞速发展，网络搜索技术越来越受到人们的重视。如今，虽然网络检索技术已走向成熟和完善，但还是不能满足人们的需求。 在本文，我首先要向大家介绍一般网络搜索技术的基本原理、发展现状和它的发展趋势。在第二章我们则讲述基于Web的图像检索技术，解析搜索过程中分词技术的应用、检索模型和相似度他们之间的具体关系。上一张上一张 本文来自无忧毕设网wybsw 联系QQ： 375279829引引 言言 研究现状：

2、随着网络传送速度与计算机信息处理速度的提高，网页中对多媒体信息的使用变得十分普及，特别是图像信息，己经成为表示网页内容不可缺少的组成部分。因此人们对多媒体信息的检索需求也就随之随之变得特别迫切。但由于图像检索系统涉及了多学科的知识，实现和应用的难度相当高，所以已有的图像检索系统都有这样或那样的缺陷。 而传统的信息检索主要集中于文字的检索，在多媒体方面的研究并不是很多。互联网上的多媒体以图像为主，因此图像的检索就成为了目前研究的热点。 图像检索经历了两个阶段:第一阶段是以文本为基础的检索。第二阶段是以图像自身的内容为基础的检索。上一张上一张 引引 言言 发展趋势 立足于文本，对图像进行检索。试图

3、将传统的文本检索技术移植于对多媒体信息的检索上 立足于图像内容，对图像进行分析和检索。 结合文本和内容，进行融合性研究。发挥各自的优势促进图像的高效、简单检索方式的实现 上一张上一张 引引 言言 存在的问题： 由于搜索引擎技术的开发牵涉到信息检索、人工智能等许多基础研究领域的理论和技术，中文搜索引擎的开发就更涉及到语言习惯的差异、智能切分词等棘手的问题，而且中文搜索引擎技术的起步也较晚，还远没能满足中国网民的需求。因此我们现在要做的是研究出适合中国大众的简单有效的搜索技术。上一张上一张 基于基于Web的图象搜索的图象搜索 引擎的搜索途径 ： 1. 关键词检索 (1)基于图像外部信息进行检索 (

4、2) 基于手工标注的检索 2.图象可视属性的检索上一张上一张 基于基于Web的图象搜索的图象搜索 文本图像间关系 在文本检索中，搜索引擎主要考虑Web页中相关文字信息以及它的语义，这些文本信息反映出网页的内容，但不完全与网页中图片的内容一致。在HTML网页中，根据HTML语言的格式，捕获反映图片信息的文字信息，分析这些文本的语义具有重要的意义。上一张上一张 基于基于Web的图象搜索的图象搜索 图像的文本标记 (1)图像的说明 ：图像说明文本 (2)图像的标题 ：图像关键词 (3)图像的标签 ：说明图片摘要信息的短语 (4)网页的标题 ：反映网页中心内容 上一张上一张 基于基于Web的图象搜索的

5、图象搜索 文本权值间的关系 在图像的检索中，首先是要建立描述图片内容特征的查询语句，然后比较、区分它们之间的异同，获取需要检索的图像。但它们对图像描述时侧重不同，同时与图像信息的联系程度也不同。如图像标题和网页标题是简单的词条，两者中相对来说图像标题更接近图像的主题内容。所以在比较、区分各类文本信息以决定是否符合检索要求时，它们所占的权值应该是有所不同的。根据信息的重要程度，他们所占的权值大小按次序如下： Image CaptionImage TitleImage AlternatePage Title 上一张上一张 基于基于Web的图象搜索的图象搜索 图像检索模型 Web搜索引擎采用何种检索

6、模型，它所提供检索质量将直接影响到检索的效果。这里采用向量空间模型。上一张上一张 基于基于Web的图象搜索的图象搜索 向量模型中权值计算 在这里我们一般采用比较简单的统计法来计算它的权值。公式如下： 在信息检索中常用的词条权值计算方法为 TF-IDF 函数：)()(dtfdii)log()(iinNdtf上一张上一张 基于基于Web的图象搜索的图象搜索 相似度算法 两文档di，dj之间的相似度可以用其对应的向量之间的夹角余弦来表示：nkjknkiknkjkikjiddddddSim12121)()()()()(cos),(上一张上一张 基于基于Web的图象搜索的图象搜索 进行查询的过程中，先将

7、查询条件Q进行向量化，主要依据布尔模型: 当ti在查询条件Q中时，将对应的第i坐标置为1，否则置为0，即 也就是说当两词条完全相同时，这一项为1，其余情况为0。可以看出文档含有完全相同的词条时，相似度=1；而其中无相同时的词条时，相似度=0。QtQtqiii01上一张上一张 基于基于Web的图象搜索的图象搜索 从而文档d与查询Q的相似度为： 根据文档之间的相似度在查询过程中，可以计算出每个文档与查询的相似度，进而可以根据相似度的大小，将查询的结果进行排序。niiniiniiiqdqddQSim12121)()()(),(上一张上一张 基于基于Web的图象搜索的图象搜索 分词技术和匹配方法 1.

8、 常用的切词算法如下： (1)最大正向匹配法 (2)逆向最大匹配法 (3)基于词频的统计方法 由于这些设计思想都不怎么好，所以这里我们将提出改良的匹配法。上一张上一张 基于基于Web的图象搜索的图象搜索 词典存储格式： 第一层存储所有单字，第二层保存所有的双字词和多字词的前两个字，第三层存储以某一双字为首的所有词。 A1A3A2A1B1(f,n1)A1C1(t,n3)A1B2(t,n2)AnA1D1(t,n4)F1G2H1G2H1R1T1上一张上一张 基于基于Web的图象搜索的图象搜索 匹配方法 假设对一个句子C1C2进行分词处理，算法描述如下： 1) 两个字开始时为C1C2），在词典中查询C1C2是否存在 2) 不存在，则C1为单字词，一次分词结束，返回1。 3) 存在，判断C1C2是否为词，并从词典中获取该词下层节点汉字的最大长度，设为n 4) 若n=0，一次分词结束，保存结果。 5) 否则，i=2，转6)。 6 ) i=i+1，若i=n+3，转8)；否则，转7)。 7) 再取一个字此处为Ci），判断第三层中是否有以C3Ci开始的字(不需要恰好匹配，只要匹配开始的i个字就可以了)。 8) 若存在，分词结束，返回最近一次能够恰好匹配的C3Cj(j80%，而检索完全度60%。 上一张上一张 本文来自无忧毕设网wybsw 联系QQ： 375