基于多特征的圖像標注研究.pdf

1、隨著互聯(lián)網技術的發(fā)展以及多媒體技術的普及，圖像資源與日俱增，傳統(tǒng)的人工標注方法已經不能滿足用戶需求，因此自動圖像標注技術應運而生。它解決了人工標注方法費時費力、標注信息主觀成分較大等問題，實現(xiàn)高效的圖像語義理解。
　　 作為自動標注系統(tǒng)的關鍵技術，圖像的特征提取對標注性能有很大的影響。針對常用特征圖像標注性能不高的問題，進行特征學習的深入研究。本文通過稀疏編碼方法實現(xiàn)自主的圖像特征學習，并將該特征用于圖像標注。此外，利用特征融合

2、技術，將無監(jiān)督學習得到的特征與圖像底層特征融合，使單個特征的單一性和局限性得到改善。主要研究內容如下:
　　 (1)分析自動標注的整體流程和關鍵技術，對圖像顏色特征和紋理特征提取方法進行研究，實現(xiàn)了基于HSV顏色特征和LBP紋理特征的圖像標注。實驗結果表明，HSV特征不受圖像分辨率變化的影響，并且基于該特征的圖像標注比基于LBP特征的圖像標注性能更好。
　　 (2)針對傳統(tǒng)特征不具有普適性的問題，對深度學習進行研究。通過

3、稀疏編碼方法，實現(xiàn)無監(jiān)督的特征學習，并將其作為樣本數(shù)據，訓練分類器，實現(xiàn)圖像標注。實驗結果表明，這種自主學習特征的方法能夠提高分類器的分類精度，與基于HSV和LBP的圖像標注對比，基于特征學習的圖像標注能夠更好的對圖像的對象語義進行描述。
　　 (3)針對單特征進行圖像語義描述時的單一性和局限性問題，采用特征融合技術，將LBP特征分別與HSV特征和稀疏編碼學習得到的特征進行融合。經過歸一化和線性累加后得到的特征能夠實現(xiàn)特征互補。