圖像語義自動標(biāo)注的研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，圖片獲取和傳播途徑的日益寬廣以及圖片存儲能力的不斷提高，使得海量圖像數(shù)據(jù)庫成為人們獲取和檢索圖像的主要對象。如何從這些海量圖像數(shù)據(jù)中獲取具有特定語義的圖像成為人們的研究熱點(diǎn)之一。
　　 圖像檢索也是計算機(jī)視覺和模式識別領(lǐng)域中一個重要的研究方向。早期，圖像檢索主要是基于文本的，需要手工對圖片進(jìn)行標(biāo)注，然而海量圖像數(shù)據(jù)庫的出現(xiàn)，使得手工標(biāo)注圖像存在工作量龐大、標(biāo)注的主觀二義性等問題。于是，基于內(nèi)容的圖像檢索

2、方式被提出，并得到了廣泛關(guān)注，這種檢索方式主要是通過提取圖像的低層特征來計算圖像之間的特征相似性，最終找到相似的圖像。這種方式簡單直接，但是存在“語義鴻溝”問題，即相同或相似的低層特征所表達(dá)的高層語義內(nèi)容往往是完全不同的。為了解決這個問題，人們提出了基于語義的自動圖像標(biāo)注，用于支持圖像檢索?；谡Z義的圖像標(biāo)注首先要建立圖像低層特征和語義概念之間的對應(yīng)關(guān)系模型，標(biāo)注時可以利用該關(guān)系模型來計算最適合待標(biāo)注圖像的語義概念。
　　 本文

3、對圖像語義自動標(biāo)注相關(guān)技術(shù)進(jìn)行了深入的研究，主要工作和創(chuàng)新點(diǎn)如下:
　　 (1)為了減小“語義鴻溝”對圖像檢索的影響，提出基于潛在語義概率分析和高斯混合模型的圖像自動標(biāo)注方法，并結(jié)合了訓(xùn)練集中語義概念之間的語義相關(guān)性，對測試集中的圖像進(jìn)行自動的語義標(biāo)注。首先用潛在語義概率分析技術(shù)在訓(xùn)練集的文本空間中擬合出主題集合，然后根據(jù)圖像的低層視覺特征建立每個主題對應(yīng)的高斯混合模型，準(zhǔn)確描述每個主題的語義內(nèi)容，進(jìn)而減小了“語義鴻溝”。該方法

4、有效的結(jié)合了連續(xù)的、去除背景噪聲的低層視覺特征和語義概念的語義相關(guān)性，建立較少的高斯混合模型，提高了標(biāo)注的性能。
　　 (2)針對圖像語義自動標(biāo)注中語義概念之間的關(guān)聯(lián)性，提出語義相關(guān)的自動圖像標(biāo)注方法。對于每個由圖像區(qū)域特征組成的正包，用高斯混合模型擬合其對應(yīng)的概率密度。由于高斯混合模型的標(biāo)注過程忽略了語義關(guān)聯(lián)性，所以結(jié)合語義概念的語義關(guān)聯(lián)性，用視覺特征和文本特征來優(yōu)化高斯混合模型預(yù)測的后驗(yàn)概率，減小了“語義鴻溝”的影響，提高自