基于中層語(yǔ)義的圖像場(chǎng)景分類算法研究.pdf

1、隨著多媒體信息技術(shù)的迅猛發(fā)展,圖像數(shù)據(jù)以前所未有的速度增長(zhǎng)。面對(duì)海量的圖像數(shù)據(jù),利用計(jì)算機(jī)對(duì)數(shù)據(jù)進(jìn)行有效管理成為一項(xiàng)緊迫任務(wù)。在此基礎(chǔ)上提出的圖像場(chǎng)景分類對(duì)圖像檢索、目標(biāo)識(shí)別、計(jì)算機(jī)視覺(jué)等領(lǐng)域都有較大的作用。
　　 圖像場(chǎng)景分類就是根據(jù)圖像內(nèi)容信息,自動(dòng)地將圖像分為諸如海岸、森林、城市等場(chǎng)景。場(chǎng)景分類的方法分為基于底層場(chǎng)景分類和基于中層的場(chǎng)景分類。由于圖像底層特征與高層語(yǔ)義之間存在鴻溝,因此基于底層特征難以有效地實(shí)現(xiàn)場(chǎng)景分類。本

2、文從圖像的底層特征開始闡述,圍繞建立中間語(yǔ)義,最終完成圖像的場(chǎng)景分類。
　　 視覺(jué)詞典是中間語(yǔ)義的基礎(chǔ),本文通過(guò)提取底層視覺(jué)特征,進(jìn)行K-means聚類生成視覺(jué)詞語(yǔ),從而建立視覺(jué)詞包。圖像的描述就由原來(lái)的底層特征變?yōu)橐曈X(jué)詞語(yǔ)的概率分布。由于詞典中出現(xiàn)同義和多義的問(wèn)題,借鑒了文本統(tǒng)計(jì)中的LSA思想。我們建立主題模型,利用概率潛在語(yǔ)義分析(PLSA)發(fā)現(xiàn)與圖像場(chǎng)景相對(duì)應(yīng)的潛在主題,采用最大似然模型完成圖像的場(chǎng)景分類。但此方法直接從視