演示的技巧無憂畢設網(wǎng)ppt課件

1、Web中圖像的檢索技術研究 本文來自無憂畢設網(wǎng)wybsw 聯(lián)系QQ： 375279829作作 者：劉曉流通者：劉曉流通指導老師：張指導老師：張 量量 2004.6.10摘 要 隨著網(wǎng)絡技術和計算機技術的飛速發(fā)展，網(wǎng)絡搜索技術越來越受到人們的重視。如今，雖然網(wǎng)絡檢索技術已走向成熟和完善，但還是不能滿足人們的需求。 在本文，我首先要向大家介紹一般網(wǎng)絡搜索技術的基本原理、發(fā)展現(xiàn)狀和它的發(fā)展趨勢。在第二章我們則講述基于Web的圖像檢索技術，解析搜索過程中分詞技術的應用、檢索模型和相似度他們之間的具體關系。上一張上一張 本文來自無憂畢設網(wǎng)wybsw 聯(lián)系QQ： 375279829引引 言言 研究現(xiàn)狀：

2、隨著網(wǎng)絡傳送速度與計算機信息處理速度的提高，網(wǎng)頁中對多媒體信息的使用變得十分普及，特別是圖像信息，己經(jīng)成為表示網(wǎng)頁內(nèi)容不可缺少的組成部分。因此人們對多媒體信息的檢索需求也就隨之隨之變得特別迫切。但由于圖像檢索系統(tǒng)涉及了多學科的知識，實現(xiàn)和應用的難度相當高，所以已有的圖像檢索系統(tǒng)都有這樣或那樣的缺陷。 而傳統(tǒng)的信息檢索主要集中于文字的檢索，在多媒體方面的研究并不是很多?；ヂ?lián)網(wǎng)上的多媒體以圖像為主，因此圖像的檢索就成為了目前研究的熱點。 圖像檢索經(jīng)歷了兩個階段:第一階段是以文本為基礎的檢索。第二階段是以圖像自身的內(nèi)容為基礎的檢索。上一張上一張 引引 言言 發(fā)展趨勢 立足于文本，對圖像進行檢索。試圖

3、將傳統(tǒng)的文本檢索技術移植于對多媒體信息的檢索上 立足于圖像內(nèi)容，對圖像進行分析和檢索。 結(jié)合文本和內(nèi)容，進行融合性研究。發(fā)揮各自的優(yōu)勢促進圖像的高效、簡單檢索方式的實現(xiàn) 上一張上一張 引引 言言 存在的問題： 由于搜索引擎技術的開發(fā)牽涉到信息檢索、人工智能等許多基礎研究領域的理論和技術，中文搜索引擎的開發(fā)就更涉及到語言習慣的差異、智能切分詞等棘手的問題，而且中文搜索引擎技術的起步也較晚，還遠沒能滿足中國網(wǎng)民的需求。因此我們現(xiàn)在要做的是研究出適合中國大眾的簡單有效的搜索技術。上一張上一張 基于基于Web的圖象搜索的圖象搜索 引擎的搜索途徑 ： 1. 關鍵詞檢索 (1)基于圖像外部信息進行檢索 (

4、2) 基于手工標注的檢索 2.圖象可視屬性的檢索上一張上一張 基于基于Web的圖象搜索的圖象搜索 文本圖像間關系 在文本檢索中，搜索引擎主要考慮Web頁中相關文字信息以及它的語義，這些文本信息反映出網(wǎng)頁的內(nèi)容，但不完全與網(wǎng)頁中圖片的內(nèi)容一致。在HTML網(wǎng)頁中，根據(jù)HTML語言的格式，捕獲反映圖片信息的文字信息，分析這些文本的語義具有重要的意義。上一張上一張 基于基于Web的圖象搜索的圖象搜索 圖像的文本標記 (1)圖像的說明 ：圖像說明文本 (2)圖像的標題 ：圖像關鍵詞 (3)圖像的標簽 ：說明圖片摘要信息的短語 (4)網(wǎng)頁的標題 ：反映網(wǎng)頁中心內(nèi)容 上一張上一張 基于基于Web的圖象搜索的

5、圖象搜索 文本權值間的關系 在圖像的檢索中，首先是要建立描述圖片內(nèi)容特征的查詢語句，然后比較、區(qū)分它們之間的異同，獲取需要檢索的圖像。但它們對圖像描述時側(cè)重不同，同時與圖像信息的聯(lián)系程度也不同。如圖像標題和網(wǎng)頁標題是簡單的詞條，兩者中相對來說圖像標題更接近圖像的主題內(nèi)容。所以在比較、區(qū)分各類文本信息以決定是否符合檢索要求時，它們所占的權值應該是有所不同的。根據(jù)信息的重要程度，他們所占的權值大小按次序如下： Image CaptionImage TitleImage AlternatePage Title 上一張上一張 基于基于Web的圖象搜索的圖象搜索 圖像檢索模型 Web搜索引擎采用何種檢索

6、模型，它所提供檢索質(zhì)量將直接影響到檢索的效果。這里采用向量空間模型。上一張上一張 基于基于Web的圖象搜索的圖象搜索 向量模型中權值計算 在這里我們一般采用比較簡單的統(tǒng)計法來計算它的權值。公式如下： 在信息檢索中常用的詞條權值計算方法為 TF-IDF 函數(shù)：)()(dtfdii)log()(iinNdtf上一張上一張 基于基于Web的圖象搜索的圖象搜索 相似度算法 兩文檔di，dj之間的相似度可以用其對應的向量之間的夾角余弦來表示：nkjknkiknkjkikjiddddddSim12121)()()()()(cos),(上一張上一張 基于基于Web的圖象搜索的圖象搜索 進行查詢的過程中，先將

7、查詢條件Q進行向量化，主要依據(jù)布爾模型: 當ti在查詢條件Q中時，將對應的第i坐標置為1，否則置為0，即 也就是說當兩詞條完全相同時，這一項為1，其余情況為0?？梢钥闯鑫臋n含有完全相同的詞條時，相似度=1；而其中無相同時的詞條時，相似度=0。QtQtqiii01上一張上一張 基于基于Web的圖象搜索的圖象搜索 從而文檔d與查詢Q的相似度為： 根據(jù)文檔之間的相似度在查詢過程中，可以計算出每個文檔與查詢的相似度，進而可以根據(jù)相似度的大小，將查詢的結(jié)果進行排序。niiniiniiiqdqddQSim12121)()()(),(上一張上一張 基于基于Web的圖象搜索的圖象搜索 分詞技術和匹配方法 1.

8、 常用的切詞算法如下： (1)最大正向匹配法 (2)逆向最大匹配法 (3)基于詞頻的統(tǒng)計方法 由于這些設計思想都不怎么好，所以這里我們將提出改良的匹配法。上一張上一張 基于基于Web的圖象搜索的圖象搜索 詞典存儲格式： 第一層存儲所有單字，第二層保存所有的雙字詞和多字詞的前兩個字，第三層存儲以某一雙字為首的所有詞。 A1A3A2A1B1(f,n1)A1C1(t,n3)A1B2(t,n2)AnA1D1(t,n4)F1G2H1G2H1R1T1上一張上一張 基于基于Web的圖象搜索的圖象搜索 匹配方法 假設對一個句子C1C2進行分詞處理，算法描述如下： 1) 兩個字開始時為C1C2），在詞典中查詢C1C2是否存在 2) 不存在，則C1為單字詞，一次分詞結(jié)束，返回1。 3) 存在，判斷C1C2是否為詞，并從詞典中獲取該詞下層節(jié)點漢字的最大長度，設為n 4) 若n=0，一次分詞結(jié)束，保存結(jié)果。 5) 否則，i=2，轉(zhuǎn)6)。 6 ) i=i+1，若i=n+3，轉(zhuǎn)8)；否則，轉(zhuǎn)7)。 7) 再取一個字此處為Ci），判斷第三層中是否有以C3Ci開始的字(不需要恰好匹配，只要匹配開始的i個字就可以了)。 8) 若存在，分詞結(jié)束，返回最近一次能夠恰好匹配的C3Cj(j80%，而檢索完全度60%。 上一張上一張 本文來自無憂畢設網(wǎng)wybsw 聯(lián)系QQ： 375