基于語義的圖像標注和檢索算法研究.pdf

1、圖像的自動標注技術和基于語義的圖像檢索技術在多媒體信息檢索領域有著重要的地位。圖像標注滿足了用戶在海量圖像數(shù)據(jù)庫中進行關鍵詞檢索的需要。傳統(tǒng)的基于文本的圖像檢索系統(tǒng)需要耗費大量人力進行手工標注,因此,研究人員提出了基于內(nèi)容的圖像檢索技術,該技術直接從圖像內(nèi)容中提取顏色、紋理和形狀等底層特征進行檢索。但是,隨著研究的深入,基于內(nèi)容的圖像檢索遇到了一個嚴重的問題,即圖像底層特征和語義概念之間存在著“語義鴻溝”。為了解決“語義鴻溝”這一難題,

2、本文提出了基于矢量量化和潛在狄利克雷相結合的模型標注方法。首先,介紹了圖像自動標注和檢索的研究背景和意義,總結了當前各標注系統(tǒng)的構成及其優(yōu)缺點。近年來,潛在狄利克雷分布(LDA)模型在文本信息檢索領域得到了廣泛的研究和應用,許多學者已經(jīng)證明LDA模型對于離散數(shù)據(jù)的處理和降維有著顯著的作用。不難看出,圖像信息和文本信息有著驚人的相似性：1、數(shù)據(jù)的海量性和高維性,2、同一類圖像中包含的相近的目標,而同一類文檔含有大量相近的單詞。本文詳細論述

3、了LDA模型的數(shù)學原理,提出了該模型在圖像數(shù)據(jù)處理和圖像語義檢索中的應用方法。為了描述圖像中的有意義區(qū)域,需要對圖像的目標進行分割運算。本文的在回顧經(jīng)典圖像分割算法的計算速度和分割效果之后,選擇了分水嶺算法對圖像進行分割,并針對該算法存在的過分割問題,提出了一種改進方法。接著,對分割后的圖像區(qū)域提取了顏色、紋理和形狀共18維特征,利用矢量量化技術將這些特征聚類壓縮。聚類后的區(qū)域特征對應生成“碼書”中的一個碼字,壓縮后得到的“碼書”可以看