自動(dòng)圖像標(biāo)注與圖像檢索算法研究.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，每天都會(huì)產(chǎn)生數(shù)以億計(jì)的數(shù)字圖像。這些圖像雜亂無(wú)章，為了對(duì)這些海量圖像進(jìn)行加工處理并找到有用的圖像，圖像檢索算法應(yīng)運(yùn)而生。目前應(yīng)用最廣泛的算法是基于語(yǔ)義和基于內(nèi)容的圖像檢索算法。而自動(dòng)圖像標(biāo)注是獲取圖像語(yǔ)義的主要方法。在自動(dòng)圖像標(biāo)注過(guò)程中，仍有一些問(wèn)題需要進(jìn)一步解決：圖像的底層視覺特征不能充分體現(xiàn)用戶所理解的高層語(yǔ)義而引起的語(yǔ)義鴻溝問(wèn)題；圖像數(shù)據(jù)庫(kù)中每個(gè)標(biāo)簽相關(guān)的圖像頻率有很大差距而引起的類別不平衡問(wèn)題；圖像數(shù)據(jù)

2、集中圖像的標(biāo)注信息不完整而引起的弱標(biāo)記問(wèn)題。本文主要針對(duì)上述三個(gè)問(wèn)題展開研究，主要工作如下:
　　本研究針對(duì)自動(dòng)圖像標(biāo)注中的語(yǔ)義鴻溝問(wèn)題、類別不平衡問(wèn)題、弱標(biāo)記問(wèn)題，提出了基于典型相關(guān)子空間和K最鄰近的自動(dòng)圖像標(biāo)注算法。首先，將圖像的底層視覺特征和高層語(yǔ)義特征映射到一個(gè)共同的典型相關(guān)子空間，在該子空間中求這兩種特征間的相似性。其次，由底層視覺特征和高層語(yǔ)義特征的相似性可以得到圖像和標(biāo)簽的相關(guān)性，根據(jù)該相關(guān)性得到與每個(gè)標(biāo)簽相關(guān)的圖像

3、子集，稱該圖像子集為標(biāo)簽的語(yǔ)義空間。然后求該語(yǔ)義空間中的圖像與待標(biāo)注圖像的視覺距離，并利用K最鄰近算法選擇待標(biāo)注圖像的K個(gè)鄰居。將每個(gè)語(yǔ)義空間的K個(gè)鄰居組合起來(lái)構(gòu)成一個(gè)圖像子集，該圖像子集中每個(gè)標(biāo)簽相關(guān)的圖像數(shù)基本平衡;由于該圖像子集中幾乎包含了標(biāo)簽集中的所有標(biāo)簽，因此考慮到了標(biāo)簽集中所有標(biāo)簽與待標(biāo)注圖像的標(biāo)注概率。然后，求待標(biāo)注圖像與該圖像子集的視覺距離并結(jié)合貝葉斯定理，得到待標(biāo)注圖像與標(biāo)簽的初始標(biāo)注概率。最后，利用標(biāo)簽間的相關(guān)性改善

4、圖像標(biāo)注質(zhì)量。在Corel5k，ESP Game和IAPR TC-12這三個(gè)基準(zhǔn)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對(duì)比，實(shí)驗(yàn)結(jié)果表明，所提出的算法能夠有效地完成自動(dòng)圖像標(biāo)注任務(wù)。針對(duì)傳統(tǒng)的基于哈希的圖像檢索方法中檢索精確度較低的問(wèn)題，提出了基于分塊哈希的圖像檢索算法。首先，將圖像特征分為多塊，并對(duì)這些圖像特征塊使用不同的哈希映射函數(shù)進(jìn)行映射得到其對(duì)應(yīng)的實(shí)值向量。其次，將所有實(shí)值向量組合起來(lái)形成一個(gè)完整的實(shí)值向量，并對(duì)該實(shí)值向量進(jìn)行閾值二值化形成哈希碼。我