基于上下文信息的Web圖像標注研究.pdf

1、計算機技術的飛速發(fā)展，開啟了人類社會的信息化時代，互聯(lián)網(wǎng)在人們的工作、學習以及生活中逐漸占據(jù)了重要地位。目前，互聯(lián)網(wǎng)中已經(jīng)積累了龐大的信息，并一直保持著快速增長的趨勢。與此同時，隨著多媒體技術的發(fā)展，數(shù)據(jù)的描述及傳播形式日益豐富，趨于多樣化，除了原先單一的文字信息，其他形式的數(shù)據(jù)，如圖像、視頻等逐漸成為互聯(lián)網(wǎng)中信息傳播的主流。
　　圖像具有生動形象、易于理解的特點，能夠直觀、快速地將表達的信息傳遞給用戶，既可以作為獨立的數(shù)據(jù)形式存

2、在，又能夠與其他類型的數(shù)據(jù)相互補充，這些特點，使圖像成為了互聯(lián)網(wǎng)數(shù)據(jù)的主要形式。Web圖像，即在Web頁面中的圖像，處于互聯(lián)網(wǎng)環(huán)境中，由發(fā)布者嵌入Web頁面中展示給用戶。研究發(fā)現(xiàn)，除了Web圖像本身具有的視覺特征外，圖像所處的Web頁面中還伴有豐富的外部信息，即Web圖像上下文信息。這些上下文信息在一定程度上揭示了Web圖像的主題，對Web圖像自動標注具有重要意義。
　　本文主要研究Web圖像自動標注的方法，充分利用Web圖像視覺

3、特征及所在Web頁面中豐富的上下文信息，自動為Web圖像添加標注信息。本文對Web圖像特征提取、融合，以及標注方案的研究，有助于提升標注性能，構建良好的Web圖像描述機制，為用戶在海量的互聯(lián)網(wǎng)數(shù)據(jù)中更準確地檢索到目標圖像奠定基礎，對多媒體領域圖像檢索的研究具有較大的意義。主要研究工作和創(chuàng)新如下：
　　(1)采用了基于AHP的上下文信息權重分析方法。本文首先對存在于Web頁面中的Web圖像上下文信息的類型進行研究，并針對不同的類型語

4、義貢獻度的差異性問題，提出了基于AHP的上下文信息權重分析方法，計算出不同類型的Web圖像上下文信息的權重。
　　(2)給出了基于權重的文本特征提取方案。不同于常規(guī)的文本特征提取過程，本文在(1)中工作的基礎上，采用了基于權重的文本特征提取方案，此方案中主要使用了基于權重的TF-IDF算法，對中文分詞后的關鍵詞權重進行計算，最終選取權重較高的關鍵詞作為Web圖像的文本特征。
　　(3)采用基于LDA的主題語義生成方法獲取We

5、b圖像的主題和語義特征。本文中Web圖像語義特征來自于其所屬主題的語義特征，通過對圖像視覺特征類型的研究，選取SIFT特征作為訓練集圖像底層特征，并通過聚類，生成圖像視覺詞袋模型；隨后，使用LDA模型對圖像視覺詞語集進行訓練，最終生成圖像主題及其語義特征。
　　(4)提出了基于PageRank的多特征融合方案。Web圖像相關信息主要包含文本信息和視覺信息，都可以作為Web圖像標注信息的來源。本文考慮到Web圖像兩種相關信息之間存在

6、的異構性，提出了基于PageRank的多特征融合方案對Web圖像文本特征和語義特征進行融合，其中，Web圖像文本特征取自文本信息，語義特征取自視覺信息。
　　(5)給出了Web圖像自動標注方案。本文研究了圖像自動標注的基本框架，并結合Web圖像自動標注自身的獨特性，給出了Web圖像自動標注方案，并基于此方案實現(xiàn)了Web圖像自動標注原型系統(tǒng)。
　　本文基于實驗數(shù)據(jù)集，對上述工作中提出的算法進行了實驗對比，實驗結果驗證了本文提出