基于搜索的圖像標(biāo)注技術(shù)研究.pdf

1、近年來(lái)互聯(lián)網(wǎng)的發(fā)展和基于社交網(wǎng)絡(luò)的多媒體應(yīng)用的流行，使得互聯(lián)網(wǎng)中的圖像數(shù)量呈現(xiàn)爆炸式的增長(zhǎng)。圖像數(shù)量的增長(zhǎng)帶來(lái)了新的思想和發(fā)展機(jī)遇的同時(shí)，給檢索和管理帶來(lái)挑戰(zhàn)。作為能夠有效的組織、管理大規(guī)模圖像數(shù)據(jù)的一種方法，圖像自動(dòng)標(biāo)注技術(shù)成為當(dāng)前研究的熱點(diǎn)。
　　為了回避當(dāng)前圖像相關(guān)技術(shù)中尚不成熟的圖像語(yǔ)義相似度計(jì)算問(wèn)題，本文首先從針對(duì)大規(guī)模圖像庫(kù)的近似重復(fù)圖像檢索方法入手，通過(guò)研究相關(guān)局部特征、視覺(jué)詞袋模型等相關(guān)方法技術(shù)，討論了如何通過(guò)維數(shù)

2、低、易獲取的特征進(jìn)行近似重復(fù)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(jià)值的標(biāo)注詞。本文的主要內(nèi)容如下:
　　通過(guò)對(duì)不同分類的圖像的快速魯棒特征（SURF）向量集合以及特征點(diǎn)尺度信息進(jìn)行統(tǒng)計(jì)分析，并分析特征向量集合與拉普拉斯響應(yīng)符號(hào)的關(guān)系，提出一種利用圖像快速魯棒特征集合的統(tǒng)計(jì)特征的圖像表示方法。該方法將快速魯棒特征的各個(gè)維度及尺度信息視為各自獨(dú)立的隨機(jī)變量，利用拉普拉斯響應(yīng)區(qū)分不同數(shù)據(jù)，通過(guò)分維度計(jì)算快速魯棒特征向量集合

3、的一階中心絕對(duì)矩、帶權(quán)一階中心絕對(duì)矩等統(tǒng)計(jì)特征組成特征向量，并結(jié)合支持向量機(jī)進(jìn)行圖像分類。在Cord1K圖像庫(kù)上的實(shí)驗(yàn)表明，該方法查準(zhǔn)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(guò)與HSV直方圖特征進(jìn)行高級(jí)特征融合，可獲得良好的分類性能。與SURF直方圖結(jié)合HSV直方圖方法、三通道Gabor紋理特征結(jié)合HSV直方圖方法、基于視覺(jué)詞典的多示例學(xué)習(xí)方法相比，查準(zhǔn)率分別提高了5.2％，6.8％，3.2％

4、。
　　提出一種結(jié)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(jié)合視覺(jué)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(kù)上的實(shí)驗(yàn)表明，該方法平均查準(zhǔn)率較多示例學(xué)習(xí)方法提高了3.2％。
　　提出一種結(jié)合圖像快速魯棒特征中的部分維度特征集合統(tǒng)計(jì)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?jī)?nèi)容，可以較低的維數(shù)描述圖像的紋理構(gòu)成、顏色分布特性。基于該

5、方法的近似重復(fù)圖像檢索方法，可在規(guī)模為千萬(wàn)級(jí)的數(shù)據(jù)庫(kù)中檢索出多種經(jīng)低強(qiáng)度編輯、視點(diǎn)移動(dòng)等原因產(chǎn)生的近似重復(fù)圖像，且對(duì)主場(chǎng)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(biāo)注技術(shù)中。
　　提出一種基于詞向量的圖像標(biāo)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(guò)這一指標(biāo)，計(jì)算詞匯的綜合價(jià)值;將綜合價(jià)值高的詞匯作為圖像的標(biāo)注詞。在SogouP2.0數(shù)據(jù)集上的實(shí)驗(yàn)表明，該方法有效，但需進(jìn)一步改進(jìn)。