Phƣơng pháp tra cứu ảnh con sử dụng đối sánh cây phân cấp HTM là một cách tiếp cận ổn định và hiệu quả cho tra cứu ảnh con dựa vào nội dung. Tuy nhiên, HTM
Thuật toán HTM
Input:S - Tập ảnh S
Q- Ảnh con truy vấn
Output:List - Danh sách các ảnh theo thứ tự tăng dần của khoảng cách
For mỗi ảnh I S do
ITree ConvertingFullTree(I);
QTree ConvertingFullTree(Q);
i 0;
Dist[i++] ComparingFullTree(ITree,QTree);
For mỗi mức con L của cấu trúc cây do QSubTree UpdateQTree(QTree,L);
For mỗi ISubTree ở mức L của ITree do
Dist[i++] ComparingSubTree(ISubTree,QSubTree);
DistArray[I] Min(Dist);
vẫn thuộc vào các phƣơng pháp sử dụng đặc trƣng mức thấp mà mỗi loại đặc trƣng chỉ thu đƣợc một khía cạnh nào đó của ảnh và khó cho ngƣời sử dụng để chỉ ra rõ ràng các khía cạnh khác nhau đƣợc kết hợp để tạo ra một truy vấn tối ƣu. Do đó, với bất cứ ảnh con truy vấn nào, không phải tất cả các ảnh đƣợc tra cứu ở trên cùng là liên quan theo nhận thức của ngƣời dùng. Để giải quyết vấn đề này, các kỹ thuật phản hồi liên quan tƣơng tác đƣợc đề xuất để liên kết nhận thức của con ngƣời vào quá trình tra cứu. Sau đó ngƣời dùng có thể đƣợc hƣớng dẫn để đánh giá các kết quả bằng việc đánh dấu mỗi ảnh đƣợc tra cứu. Các truy vấn hoặc các độ đo tƣơng tự đƣợc điều chỉnh tự động trên cơ sở các đánh giá này.
Cách tiếp cận thông tin phản hồi liên quan có ba thành phần chính:
1. Kế hoạch tính lại trọng số bất lợi vùng cho mỗi lát ảnh trong hình ảnh và cập nhật với mọi hình ảnh liên quan thu hồi ở mỗi lần lặp, sử dụng cả hai tập hình ảnh có liên quan (positive) và không liên quan (negative) xác định bởi ngƣời dùng;
2. Chiến lƣợc sàng lọc truy vấn dựa trên kế hoạch tính lại trọng số để tiếp cận truy vấn nhiều thông tin nhất theo ý định của ngƣời dùng;
Mỗi thành phần này đƣợc giải thích chi tiết trong các phần sau: