

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、計(jì)算機(jī)技術(shù)的飛速發(fā)展,開(kāi)啟了人類(lèi)社會(huì)的信息化時(shí)代,互聯(lián)網(wǎng)在人們的工作、學(xué)習(xí)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(zhǎng)的趨勢(shì)。與此同時(shí),隨著多媒體技術(shù)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(dòng)形象、易于理解的特點(diǎn),能夠直觀、快速地將表達(dá)的信息傳遞給用戶(hù),既可以作為獨(dú)立的數(shù)據(jù)形式存
2、在,又能夠與其他類(lèi)型的數(shù)據(jù)相互補(bǔ)充,這些特點(diǎn),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(yè)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(yè)面中展示給用戶(hù)。研究發(fā)現(xiàn),除了Web圖像本身具有的視覺(jué)特征外,圖像所處的Web頁(yè)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(duì)Web圖像自動(dòng)標(biāo)注具有重要意義。
本文主要研究Web圖像自動(dòng)標(biāo)注的方法,充分利用Web圖像視覺(jué)
3、特征及所在Web頁(yè)面中豐富的上下文信息,自動(dòng)為Web圖像添加標(biāo)注信息。本文對(duì)Web圖像特征提取、融合,以及標(biāo)注方案的研究,有助于提升標(biāo)注性能,構(gòu)建良好的Web圖像描述機(jī)制,為用戶(hù)在海量的互聯(lián)網(wǎng)數(shù)據(jù)中更準(zhǔn)確地檢索到目標(biāo)圖像奠定基礎(chǔ),對(duì)多媒體領(lǐng)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(quán)重分析方法。本文首先對(duì)存在于Web頁(yè)面中的Web圖像上下文信息的類(lèi)型進(jìn)行研究,并針對(duì)不同的類(lèi)型語(yǔ)
4、義貢獻(xiàn)度的差異性問(wèn)題,提出了基于AHP的上下文信息權(quán)重分析方法,計(jì)算出不同類(lèi)型的Web圖像上下文信息的權(quán)重。
(2)給出了基于權(quán)重的文本特征提取方案。不同于常規(guī)的文本特征提取過(guò)程,本文在(1)中工作的基礎(chǔ)上,采用了基于權(quán)重的文本特征提取方案,此方案中主要使用了基于權(quán)重的TF-IDF算法,對(duì)中文分詞后的關(guān)鍵詞權(quán)重進(jìn)行計(jì)算,最終選取權(quán)重較高的關(guān)鍵詞作為Web圖像的文本特征。
(3)采用基于LDA的主題語(yǔ)義生成方法獲取We
5、b圖像的主題和語(yǔ)義特征。本文中Web圖像語(yǔ)義特征來(lái)自于其所屬主題的語(yǔ)義特征,通過(guò)對(duì)圖像視覺(jué)特征類(lèi)型的研究,選取SIFT特征作為訓(xùn)練集圖像底層特征,并通過(guò)聚類(lèi),生成圖像視覺(jué)詞袋模型;隨后,使用LDA模型對(duì)圖像視覺(jué)詞語(yǔ)集進(jìn)行訓(xùn)練,最終生成圖像主題及其語(yǔ)義特征。
(4)提出了基于PageRank的多特征融合方案。Web圖像相關(guān)信息主要包含文本信息和視覺(jué)信息,都可以作為Web圖像標(biāo)注信息的來(lái)源。本文考慮到Web圖像兩種相關(guān)信息之間存在
6、的異構(gòu)性,提出了基于PageRank的多特征融合方案對(duì)Web圖像文本特征和語(yǔ)義特征進(jìn)行融合,其中,Web圖像文本特征取自文本信息,語(yǔ)義特征取自視覺(jué)信息。
(5)給出了Web圖像自動(dòng)標(biāo)注方案。本文研究了圖像自動(dòng)標(biāo)注的基本框架,并結(jié)合Web圖像自動(dòng)標(biāo)注自身的獨(dú)特性,給出了Web圖像自動(dòng)標(biāo)注方案,并基于此方案實(shí)現(xiàn)了Web圖像自動(dòng)標(biāo)注原型系統(tǒng)。
本文基于實(shí)驗(yàn)數(shù)據(jù)集,對(duì)上述工作中提出的算法進(jìn)行了實(shí)驗(yàn)對(duì)比,實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于上下文的圖像標(biāo)注研究.pdf
- 基于圖像與標(biāo)注語(yǔ)義上下文的圖像自動(dòng)標(biāo)注算法研究.pdf
- 基于上下文信息的語(yǔ)義圖像分類(lèi)研究.pdf
- 基于語(yǔ)義上下文建模的圖像語(yǔ)義自動(dòng)標(biāo)注研究.pdf
- 基于圖像特征及上下文的圖像標(biāo)注算法研究與實(shí)現(xiàn).pdf
- 基于上下文的音視頻標(biāo)注研究.pdf
- 基于上下文的視頻多語(yǔ)義標(biāo)注研究及實(shí)現(xiàn).pdf
- 基于上下文的圖像理解算法研究.pdf
- 基于稀疏表示及上下文信息的PolSAR圖像分類(lèi).pdf
- 基于上下文分類(lèi)的圖像壓縮方法研究.pdf
- 基于上下文相關(guān)的圖像檢索方法研究.pdf
- 基于上下文語(yǔ)義的圖像編輯.pdf
- 基于語(yǔ)義Web的上下文感知系統(tǒng)研究.pdf
- 基于上下文的圖像插值方法.pdf
- 基于上下文的圖像插值方法(1)
- 基于形狀上下文的圖像內(nèi)容檢索方法研究.pdf
- 上下文感知的Web服務(wù)推薦研究.pdf
- 基于上下文的靜止圖像和極光圖像壓縮.pdf
- 基于上下文信息的目標(biāo)跟蹤算法研究.pdf
- 基于上下文的信息推薦系統(tǒng)研究.pdf
評(píng)論
0/150
提交評(píng)論