圖像語義標(biāo)注方法研究及其系統(tǒng)實(shí)現(xiàn).pdf

1、隨著網(wǎng)絡(luò)技術(shù)、多媒體技術(shù)、數(shù)據(jù)庫技術(shù)的發(fā)展和互聯(lián)網(wǎng)的不斷普及，人們對越來越廣泛應(yīng)用的圖像等多媒體數(shù)據(jù)的需求也越來越強(qiáng)烈。傳統(tǒng)的基于文本的圖像檢索已不能完全滿足人們的要求，基于內(nèi)容的檢索雖然解決了人們對圖像視覺特征所代表的特征語義，但圖像的底層視覺特征與圖像的語義表達(dá)之間存在“語義鴻溝”，不能滿足人們按語義檢索圖像的需求。所以建立圖像的語義表示和檢索機(jī)制勢在必行，而對圖像進(jìn)行語義標(biāo)注是基于語義的圖像檢索中的核心模塊，也是圖像理解要解決的關(guān)

2、鍵問題。因此本文選擇“圖像語義標(biāo)注方法研究及其系統(tǒng)實(shí)現(xiàn)”為研究課題。 圖像檢索系統(tǒng)CSIR是為了能同時(shí)向用戶提供基于內(nèi)容的圖像檢索和基于語義的檢索而設(shè)計(jì)的系統(tǒng)。在此系統(tǒng)的基礎(chǔ)上，本文分析和研究了一種實(shí)時(shí)圖像語義標(biāo)注方法，并設(shè)計(jì)和實(shí)現(xiàn)了基于語義檢索的核心部分-圖像語義標(biāo)注系統(tǒng)。本文的主要貢獻(xiàn)在以下幾點(diǎn)： (1)深入分析和研究了實(shí)時(shí)圖像語義標(biāo)注方法RALIP(Real-time AutomaticLinguistic Ind

3、exing of Pictures)。其主要內(nèi)容有：非歐式空間的圖像相似性度量、機(jī)器學(xué)習(xí)算法D2聚類(Discrete Distribution[D2-]Clustering)、基于概率的MM混合模型(Mixture Model)以及基于模型的實(shí)時(shí)標(biāo)注方法。 (2)提出了基于不確定性推理融合標(biāo)注結(jié)果的方法。本文對RALIP進(jìn)行了部分改進(jìn)，采用基于單個(gè)特征訓(xùn)練模型并標(biāo)注圖片，最后用不確定性推理融合基于不同特征的標(biāo)注結(jié)果。實(shí)驗(yàn)表明，