圖像自動語義標注研究.pdf

1、隨著計算機技術和網(wǎng)絡通信技術的發(fā)展,每天都會產(chǎn)生各式各類的圖像,面對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域的重要研究課題?；趦热莸膱D像檢索技術由于具有能夠有效快速分析、組織和檢索圖像的優(yōu)點,而受到了人們的重視。視覺特征和語義特征是基于內容的圖像檢索中常用的兩類重要特征。視覺特征屬于體現(xiàn)人對圖像內容的直觀感受的底層特征;語義特征屬于反映了人對圖像內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“語義鴻溝”。如何克服這種“語義鴻溝”,目前仍然是一個亟待解決的問題。因此,深入地研究視覺特征與語義特征之間的內在聯(lián)系,保持人的視覺直觀感受與主觀理解相一致,已成為基于圖像內容檢索技術的一個研究熱點。而基于語義的圖像自動標注是解決基于圖像內容檢索中“語義鴻溝”問題的關鍵技術之一。
　　本論文針對語義標注中視覺特征與圖像語義概念間映射關系的描述問題,在研究圖像自動語義標注相關技術的基礎上,重點探討了一種高斯混合模型及其在圖像

3、自動語義標注中的應用,提出了一種基于語義概念的GMM圖像標注方法,并通過實驗驗證了該方法的有效性。本論文的主要研究內容包括:
　　(1)提出了一種改進的基于語義概念的GMM圖像標注方法。其核心思想為:應用Ncut圖像分割歸并語義概念類,并對語義概念類分別建立基于顏色特征和紋理特征的GMM,利用EM算法獲取語義概念內容,最后融合兩個GMM求取語義概念的概率,取優(yōu)者標注圖像區(qū)域塊,直至完成整個未知圖像的標注。
　　(2)提出了一

4、種PSO-Kmeans算法在EM算法初始化中的應用方法。該方法在語義概念的GMM圖像標注訓練過程中,將PSO-Kmeans算法應用于EM算法的初始化,搜索語義概念類訓練數(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,將GMM復雜的參數(shù)估計問題簡化為EM算法期望E步和最大化M步的迭代問題,以估計出GMM圖像標注最佳參數(shù)。
　　(3)利用Core15K圖像數(shù)據(jù)集進行了相關實驗研究。實驗結果表明:基于語義概念的GMM圖像標注方法能夠