自動圖像標注與圖像檢索算法研究.pdf

1、隨著移動互聯(lián)網(wǎng)的快速發(fā)展，每天都會產(chǎn)生數(shù)以億計的數(shù)字圖像。這些圖像雜亂無章，為了對這些海量圖像進行加工處理并找到有用的圖像，圖像檢索算法應(yīng)運而生。目前應(yīng)用最廣泛的算法是基于語義和基于內(nèi)容的圖像檢索算法。而自動圖像標注是獲取圖像語義的主要方法。在自動圖像標注過程中，仍有一些問題需要進一步解決：圖像的底層視覺特征不能充分體現(xiàn)用戶所理解的高層語義而引起的語義鴻溝問題；圖像數(shù)據(jù)庫中每個標簽相關(guān)的圖像頻率有很大差距而引起的類別不平衡問題；圖像數(shù)據(jù)

2、集中圖像的標注信息不完整而引起的弱標記問題。本文主要針對上述三個問題展開研究，主要工作如下:
　　本研究針對自動圖像標注中的語義鴻溝問題、類別不平衡問題、弱標記問題，提出了基于典型相關(guān)子空間和K最鄰近的自動圖像標注算法。首先，將圖像的底層視覺特征和高層語義特征映射到一個共同的典型相關(guān)子空間，在該子空間中求這兩種特征間的相似性。其次，由底層視覺特征和高層語義特征的相似性可以得到圖像和標簽的相關(guān)性，根據(jù)該相關(guān)性得到與每個標簽相關(guān)的圖像

3、子集，稱該圖像子集為標簽的語義空間。然后求該語義空間中的圖像與待標注圖像的視覺距離，并利用K最鄰近算法選擇待標注圖像的K個鄰居。將每個語義空間的K個鄰居組合起來構(gòu)成一個圖像子集，該圖像子集中每個標簽相關(guān)的圖像數(shù)基本平衡;由于該圖像子集中幾乎包含了標簽集中的所有標簽，因此考慮到了標簽集中所有標簽與待標注圖像的標注概率。然后，求待標注圖像與該圖像子集的視覺距離并結(jié)合貝葉斯定理，得到待標注圖像與標簽的初始標注概率。最后，利用標簽間的相關(guān)性改善

4、圖像標注質(zhì)量。在Corel5k，ESP Game和IAPR TC-12這三個基準數(shù)據(jù)集上進行實驗對比，實驗結(jié)果表明，所提出的算法能夠有效地完成自動圖像標注任務(wù)。針對傳統(tǒng)的基于哈希的圖像檢索方法中檢索精確度較低的問題，提出了基于分塊哈希的圖像檢索算法。首先，將圖像特征分為多塊，并對這些圖像特征塊使用不同的哈希映射函數(shù)進行映射得到其對應(yīng)的實值向量。其次，將所有實值向量組合起來形成一個完整的實值向量，并對該實值向量進行閾值二值化形成哈希碼。我