Wordnet在圖像語義分析中的應(yīng)用.pdf

1、傳統(tǒng)上基于內(nèi)容圖像檢索(content-basedimageretrieval，CBIR)系統(tǒng)因存在著使用者查詢與圖像特征間的語義鴻溝，所以通常無法滿足使用者的需求。語義鴻溝為CBIR系統(tǒng)主要的缺點(diǎn)，在本文中探討一個(gè)方法去連結(jié)這樣的語義鴻溝。我們將根據(jù)萃取網(wǎng)頁中圖像周圍文字的語義來克服CBIR系統(tǒng)語義鴻溝的缺陷。
　　 本論文研究一新的Wordnet語義學(xué)習(xí)方法，利用一群已標(biāo)記的圖像產(chǎn)生可能的語義訊息來偵訊圖片中的主要語義物件，

2、并據(jù)以應(yīng)用到內(nèi)容導(dǎo)向圖像檢索的應(yīng)用上。在本方法中，將資料庫的圖像分為兩類——已標(biāo)示(labeled)語義群與未標(biāo)示(unlabeled)群圖像，對每一個(gè)已標(biāo)記的圖像我們設(shè)計(jì)一基于低階特征語義學(xué)習(xí)模型。資料庫里的所有圖像都會(huì)先經(jīng)過圖像切割方法切割成多個(gè)區(qū)塊，進(jìn)而抽取代表這些區(qū)塊的三種不同形態(tài)的低階視覺特征（顏色、形狀、紋理），根據(jù)這些低階視覺特征的統(tǒng)計(jì)資料建造出語義偵測模型來預(yù)測分析隱藏在資料庫里的語義信息。由于人類對于圖像中所包含的語義

3、特征是很主觀的，所以使用具人工標(biāo)記的圖像的低階特征所建立的統(tǒng)計(jì)模型來進(jìn)行圖像做注解常有模糊不清的問題。為解決這個(gè)問題，本論文運(yùn)用一個(gè)區(qū)域權(quán)重估測演算法，選取具最大的語義信息重要區(qū)域，抽取其特征后，進(jìn)行隱含語義內(nèi)涵區(qū)域式內(nèi)容導(dǎo)向圖像檢索。在檢索的過程中，只有重要區(qū)域的特征才用來當(dāng)作計(jì)算圖像間語義距離的特征向量，此語義學(xué)習(xí)架構(gòu)對內(nèi)容導(dǎo)向圖像檢索系統(tǒng)提供了一個(gè)連結(jié)高階語義概念與低階圖像特征的橋梁。實(shí)驗(yàn)結(jié)果顯示我們所使用的方法與其他相似的語義學(xué)