中文摘要：

在保证检索相关性的前提下提高检索多样性，是图像检索领域一个新的重要研究方向。本项目在前期工作基础上,从图像流形特征抽取和选择层面展开研究。拟采用的约束最大差异投影（CMVM）半监督流形降维方法既有保持正类局域"子概念"区分性的能力，又有强化正反类别即"概念"的区分性的能力，在多样化图像检索中具有特殊优势。面向多样化图像检索的实际应用，针对CMVM的基本问题，本项目研究去除噪声点方法和CMVM强化正类局域保持算法以保持"子概念"的可区分性；研究线性近似法来解决CMVM样本外点学习问题；研究设计多样化检索的"有序"层次最大间隔相关性评价函数来进行CMVM流形参数的选择和图像本征维数的估计；在此基础上，提出面向多样化图像检索的自适应的鲁棒CMVM算法。最后，本项目也将研究从CMVM特征中挖掘区分正类类内"子概念"的最大差异本征特征，以此进行聚类多样化学习，提高图像检索的多样性。

结论摘要：

在保证检索相关性的同时提高检索多样性，是图像检索领域一个新的重要研究方向。针对多样化图像检索问题，本课题的研究内容包括五个方面1）图像特征提取；2）图像子空间学习；3）分类器学习；4）图像标注和检索；5）多样化检索。课题立项后，课题组分工协作，从上述五个方面经过三年的紧张科研攻关，取得较好的研究成果。我们在图像局部特征提取、图像子空间分割和降维、径向基函数神经网络学习、基于协作稀疏表示的图像标注、基于内容的图像多样化检索等方向展开工作并取得研究成果。从已取得的研究成果看，该课题立项的切入点好，选题正确，可行性好，前瞻性强，具有良好的扩展性和应用前景，对于多样化图像检索以及其他相关领域的发展带来了积极的推动作用。