基于文本與視覺信息的圖像檢索技術研究.pdf

1、數(shù)字圖像每天都以驚人的速度產生和發(fā)布。圖像中含有的信息往往比文本更加豐富，在人們的日常生活中起著至關重要的作用。因此，如何更加有效的組織、管理大型圖像數(shù)據(jù)庫，并且能從中檢索出符合用戶要求的圖像。是當前圖像檢索領域的研究熱點。目前圖像檢索系統(tǒng)主要有兩種類型：關鍵詞索引的檢索模型和視覺內容索引的檢索模型。前者利用圖像的標注信息實現(xiàn)檢索功能，但因人類個體差異性而無法實現(xiàn)一副圖像的統(tǒng)一標注及人工標注代價高昂等弊端，使該檢索方案的發(fā)展遭遇嚴重的瓶

2、頸；后者利用圖像本身的視覺特征信息實現(xiàn)檢索功能，該模型廣泛應用于眾多領域，但由于底層視覺特征與高層語義之間無法逾越的鴻溝嚴重阻礙了該方法的發(fā)展。研究者們提出了多種結合方案用以發(fā)揮兩種不同模型優(yōu)勢的同時也避免他們的劣勢，這些工作都使圖像檢索的性能得到了顯著提高。本文圍繞圖像檢索，對以自動標注替代人工標注的問題、圖像特征表示的問題以及如何融合文本信息與視覺信息的問題進行了研究，具體研究成果如下：
　?。?）現(xiàn)存的圖像自動標注技術往往需

3、要將圖像分割為若干具有獨立語義的圖像塊，然后比較圖像塊間的相似度并為待標注圖像分配相應的關鍵詞。由于日常生活中的圖像種類繁多，有些圖像（場景圖像）包含的語義內容比較單一，在對這類圖像標注關鍵詞時，分割不僅會增加工作量而且可能會因分割過度而引入噪聲標注。因此，本文根據(jù)待標記圖像的復雜度在圖像特征提取時采用不同的提取機制，并結合貝葉斯分類算法實現(xiàn)圖像的自動標注。
　?。?）傳統(tǒng)的基于內容的圖像檢索方法只考慮了圖像的內容特征而忽略了環(huán)繞

4、文本的信息。本文針對這一問題提出了分兩階段進行圖像檢索的方法：首先，根據(jù)圖像環(huán)繞文本的語義信息進行第一階段的檢索，通過該階段的檢索過濾掉一些相關性小的圖像，保留相關性大的圖像并組成圖像庫；其次，在該優(yōu)化了的圖像庫上根據(jù)圖像的視覺特征進行第二階段的檢索，并將檢索結果作為最終結果返回給用戶。檢索過程中應用Word Net和IC算法分析、度量環(huán)繞文本的語義信息，并采用典型相關分析方法學習不同圖像特征間的關系。
　?。?）傳統(tǒng)的基于KNN

5、的圖像自動標注系統(tǒng)在對圖像標注時，將與待標記圖像內容最相似的圖像的標簽作為標記結果，沒有考慮圖像的高層語義信息。本文研究了一種優(yōu)化方法來對圖像標注的結果進行優(yōu)化，在標注過程中首先根據(jù)KNN算法選出與待標注圖像內容最為相似的近鄰集合，并根據(jù)近鄰集合中的位置關系為每幅圖像賦予不同的權值；采用Word Net及相關技術為待標注圖像篩選出基本關鍵詞集和擴展關鍵詞集。該方法同時考慮到與圖像內容相關的關鍵詞也考慮到與圖像語義相關的關鍵詞，實驗結果表