基于搜索的圖像標注技術研究.pdf

1、近年來互聯(lián)網的發(fā)展和基于社交網絡的多媒體應用的流行，使得互聯(lián)網中的圖像數量呈現爆炸式的增長。圖像數量的增長帶來了新的思想和發(fā)展機遇的同時，給檢索和管理帶來挑戰(zhàn)。作為能夠有效的組織、管理大規(guī)模圖像數據的一種方法，圖像自動標注技術成為當前研究的熱點。
　　為了回避當前圖像相關技術中尚不成熟的圖像語義相似度計算問題，本文首先從針對大規(guī)模圖像庫的近似重復圖像檢索方法入手，通過研究相關局部特征、視覺詞袋模型等相關方法技術，討論了如何通過維數

2、低、易獲取的特征進行近似重復圖像檢索的方法，然后探討了如何利用詞向量模型選擇有價值的標注詞。本文的主要內容如下:
　　通過對不同分類的圖像的快速魯棒特征（SURF）向量集合以及特征點尺度信息進行統(tǒng)計分析，并分析特征向量集合與拉普拉斯響應符號的關系，提出一種利用圖像快速魯棒特征集合的統(tǒng)計特征的圖像表示方法。該方法將快速魯棒特征的各個維度及尺度信息視為各自獨立的隨機變量，利用拉普拉斯響應區(qū)分不同數據，通過分維度計算快速魯棒特征向量集合

3、的一階中心絕對矩、帶權一階中心絕對矩等統(tǒng)計特征組成特征向量，并結合支持向量機進行圖像分類。在Cord1K圖像庫上的實驗表明，該方法查準率較SURF直方圖方法和三通道Gabor紋理特征方法分別提高17.6％和5.4％。通過與HSV直方圖特征進行高級特征融合，可獲得良好的分類性能。與SURF直方圖結合HSV直方圖方法、三通道Gabor紋理特征結合HSV直方圖方法、基于視覺詞典的多示例學習方法相比，查準率分別提高了5.2％，6.8％，3.2％

4、。
　　提出一種結合快速魯棒特征中的部分維度與局部顏色直方圖特征的局部圖像表示方法。其中，結合視覺詞袋方法后，縮減后的SURF特征具有與128維SURF特征近似的分類性能。在Corel1K圖像庫上的實驗表明，該方法平均查準率較多示例學習方法提高了3.2％。
　　提出一種結合圖像快速魯棒特征中的部分維度特征集合統(tǒng)計特征與顏色直方圖的圖像表示方法。該方法綜合利用以上研究內容，可以較低的維數描述圖像的紋理構成、顏色分布特性?；谠?/p>

5、方法的近似重復圖像檢索方法，可在規(guī)模為千萬級的數據庫中檢索出多種經低強度編輯、視點移動等原因產生的近似重復圖像，且對主場景相似而部分物體不同的圖像具有較低的檢索能力。因而適用于基于搜索的圖像標注技術中。
　　提出一種基于詞向量的圖像標注方法。該方法利用詞向量模型衡量詞匯與詞匯間聯(lián)系的緊密程度，并通過這一指標，計算詞匯的綜合價值;將綜合價值高的詞匯作為圖像的標注詞。在SogouP2.0數據集上的實驗表明，該方法有效，但需進一步改進。