基于對象提取的語義標注研究.pdf

1、隨著互聯(lián)網(wǎng)的不斷普及和各種圖像采集設(shè)備的持續(xù)發(fā)展，圖像作為人類感知世界的重要信息源，在實際中的應(yīng)用也變得更為重要。如何從海量的數(shù)字圖像集合中快速查找目標圖像，是研究的熱點。相較日益龐大的數(shù)據(jù)量和大規(guī)模圖像數(shù)據(jù)庫的發(fā)展，傳統(tǒng)基于文本檢索的技術(shù)已經(jīng)不能夠適應(yīng)用戶的檢索需求，傳統(tǒng)的信息分析與檢索技術(shù)面臨著新的挑戰(zhàn)?；趦?nèi)容的圖像檢索方式的出現(xiàn)，也不能完全滿足人們通過高層語義檢索圖像的意圖。因為建立在低層視覺特征的相似性度量不能完全表達圖像高層

2、語義。基于語義的圖像檢索是一種更好地選擇。
　　基于語義圖像檢索的關(guān)鍵問題是如何將底層視覺特征同人類認知的語義對應(yīng)起來。目前的語義提取方式，按照高層語義劃分有以下三種：是基于外部信息源的語義提取、基于人工交互的語義提取和基于知識的語義提取。圖像的語義信息可以通過自動圖像標注技術(shù)來獲得，這樣可以實現(xiàn)在語義級別上對圖像進行檢索。一般，將各種底層特征組合起來對應(yīng)高層語義信息的關(guān)鍵詞，其中使用各種的機器學習方法，將圖像特征和文本描述對應(yīng)起

3、來，底層的視覺特征是高層語義信息的基石。
　　本文緒論介紹了物體提取和自動圖像語義標注的研究背景；然后介紹了在物體提取中使用的彩色圖像處理方法，圖像濾波、圖像量化、圖像分割和人工智能中的BP神經(jīng)網(wǎng)絡(luò)。
　　第3章，在預(yù)處理的基礎(chǔ)下，提出了一種圖像中主要對象的提取方法。圖像是由各種物體組成的，不同的物體，在有顏色分布和圖像紋理上會有較大的不同。
　　第4章，提出了本文使用的自動語義標注方法。同時對該方法進行了驗證。最后，