圖像自動(dòng)語(yǔ)義標(biāo)注研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)通信技術(shù)的發(fā)展,每天都會(huì)產(chǎn)生各式各類的圖像,面對(duì)如此大量的圖像信息,如何從中檢索出所需要的圖像信息已成為信息檢索領(lǐng)域的重要研究課題?；趦?nèi)容的圖像檢索技術(shù)由于具有能夠有效快速分析、組織和檢索圖像的優(yōu)點(diǎn),而受到了人們的重視。視覺(jué)特征和語(yǔ)義特征是基于內(nèi)容的圖像檢索中常用的兩類重要特征。視覺(jué)特征屬于體現(xiàn)人對(duì)圖像內(nèi)容的直觀感受的底層特征;語(yǔ)義特征屬于反映了人對(duì)圖像內(nèi)容的主觀理解的高層特征。然而在它們之間往往存在著很大的差異,

2、即所謂的“語(yǔ)義鴻溝”。如何克服這種“語(yǔ)義鴻溝”,目前仍然是一個(gè)亟待解決的問(wèn)題。因此,深入地研究視覺(jué)特征與語(yǔ)義特征之間的內(nèi)在聯(lián)系,保持人的視覺(jué)直觀感受與主觀理解相一致,已成為基于圖像內(nèi)容檢索技術(shù)的一個(gè)研究熱點(diǎn)。而基于語(yǔ)義的圖像自動(dòng)標(biāo)注是解決基于圖像內(nèi)容檢索中“語(yǔ)義鴻溝”問(wèn)題的關(guān)鍵技術(shù)之一。
　　本論文針對(duì)語(yǔ)義標(biāo)注中視覺(jué)特征與圖像語(yǔ)義概念間映射關(guān)系的描述問(wèn)題,在研究圖像自動(dòng)語(yǔ)義標(biāo)注相關(guān)技術(shù)的基礎(chǔ)上,重點(diǎn)探討了一種高斯混合模型及其在圖像

3、自動(dòng)語(yǔ)義標(biāo)注中的應(yīng)用,提出了一種基于語(yǔ)義概念的GMM圖像標(biāo)注方法,并通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法的有效性。本論文的主要研究?jī)?nèi)容包括:
　　(1)提出了一種改進(jìn)的基于語(yǔ)義概念的GMM圖像標(biāo)注方法。其核心思想為:應(yīng)用Ncut圖像分割歸并語(yǔ)義概念類,并對(duì)語(yǔ)義概念類分別建立基于顏色特征和紋理特征的GMM,利用EM算法獲取語(yǔ)義概念內(nèi)容,最后融合兩個(gè)GMM求取語(yǔ)義概念的概率,取優(yōu)者標(biāo)注圖像區(qū)域塊,直至完成整個(gè)未知圖像的標(biāo)注。
　　(2)提出了一

4、種PSO-Kmeans算法在EM算法初始化中的應(yīng)用方法。該方法在語(yǔ)義概念的GMM圖像標(biāo)注訓(xùn)練過(guò)程中,將PSO-Kmeans算法應(yīng)用于EM算法的初始化,搜索語(yǔ)義概念類訓(xùn)練數(shù)據(jù)集最優(yōu)解作為EM算法初始參數(shù),采用最大釋然估計(jì),將GMM復(fù)雜的參數(shù)估計(jì)問(wèn)題簡(jiǎn)化為EM算法期望E步和最大化M步的迭代問(wèn)題,以估計(jì)出GMM圖像標(biāo)注最佳參數(shù)。
　　(3)利用Core15K圖像數(shù)據(jù)集進(jìn)行了相關(guān)實(shí)驗(yàn)研究。實(shí)驗(yàn)結(jié)果表明:基于語(yǔ)義概念的GMM圖像標(biāo)注方法能夠