基于直方图分解与上下文相似性学习的图像检索

图像检索长期以来是计算机视觉和机器学习领域的热门话题。基于内容的图像检索试图从数据库中检索与查询图像视觉相似的图像，吸引了大量关注。图像检索的两个最重要问题是图像的表示和排序。最近，基于词袋的方法作为一种表示方法显示了其威力。此外，非负矩阵分解也是一种流行的数据样本表示方式。另外，上下文相似性学习也被研究并证明是解决排序问题的有效方法。然而，这些技术从未被一起使用。在本文中，我们通过使用词袋方法将每幅图像表示为直方图，然后应用非负矩阵分解对直方图进行分解，最后使用上下文相似性学习方法学习排序分数，开发了一个有效的图像检索系统。所提出的新系统在大规模图像数据库上进行了评估，并显示了其有效性。