基于結(jié)構(gòu)化信息的圖像內(nèi)容分析與理解.pdf_第1頁
已閱讀1頁,還剩110頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著社會媒體的興起,海量的多媒體數(shù)據(jù)在互聯(lián)網(wǎng)上涌現(xiàn)。多媒體數(shù)據(jù)的快速增長給海量媒體數(shù)據(jù)的分析、理解和檢索帶來了巨大挑戰(zhàn)。挖掘媒體數(shù)據(jù)內(nèi)部蘊含的豐富結(jié)構(gòu)信息將有助于揭示數(shù)據(jù)與數(shù)據(jù)間的相互關(guān)系,從而幫助人們更好的處理海量媒體數(shù)據(jù),從容應(yīng)對這一挑戰(zhàn)。在本論文中,將進一步對基于結(jié)構(gòu)化信息的圖像內(nèi)容分析和理解技術(shù)進行深入研究。為此,擬從高中低三個層次入手,圍繞圖像分析和理解中的四個關(guān)鍵問題:場景中的目標檢測、目標物體的聚類、目標物體的語義預(yù)測與理

2、解、以及基于目標物體的圖像檢索和加密來開展工作。將首先挖掘高層語義間的結(jié)構(gòu)化信息,主要是指通過挖掘物體的類別、屬性等高層語義信息間存在的特定結(jié)構(gòu)來解決圖像檢索,物體檢測等問題。其次是挖掘中層圖像間的結(jié)構(gòu)化信息,主要是指探索多張非相關(guān)圖像間內(nèi)容上的耦合關(guān)系,以期獲得更好的圖像加密算法。最后是挖掘低層特征間的結(jié)構(gòu)化信息,主要是指在區(qū)域標注,顯著性檢測等問題中加入圖像特征間的結(jié)構(gòu)化先驗信息來提升相關(guān)算法的性能。具體而言,本論文的研究內(nèi)容和創(chuàng)新

3、點包括:
  1)在挖掘高層語義結(jié)構(gòu)化信息方面,包括三個工作。第一個工作把圖像中物體的超類、類別、以及屬性信息以分層樹形結(jié)構(gòu)來組織,構(gòu)造一個樹形結(jié)構(gòu)的語義單元,并提出了基于結(jié)構(gòu)化支持向量機的預(yù)測模型,從而對未知物體的語義信息進行結(jié)構(gòu)化的預(yù)測輸出,該工作解決了現(xiàn)存語義預(yù)測模型信息單一問題,有助于進一步彌補圖像檢索中的語義鴻溝現(xiàn)象。在此基礎(chǔ)上,第二個工作在多個樹形結(jié)構(gòu)語義單元之間加入了物體間的空間信息,從而構(gòu)造一個帶葉子的三角形結(jié)構(gòu)來

4、對圖像進行描述,并用此結(jié)構(gòu)解決結(jié)構(gòu)化圖像檢索問題。該工作豐富了當前圖像檢索的輸入形式,有助于進一步實現(xiàn)用戶的檢索意圖。第三個工作提出了一種基于物體類別、位置、尺度信息的高階上下文描述符,該描述符通過融合多個上下文源以及物體間的高階關(guān)系來判斷物體檢測算法輸出的候選物體是否符合圖片的上下文信息,從而濾除錯誤檢測,保留正確檢測。該描述符首次把多源上下文信息和高階關(guān)系統(tǒng)一到一個理論框架中,有效提升了物體檢測的正確率。
  2)在挖掘中層圖

5、像結(jié)構(gòu)化信息方面,認為任意兩張或多張不相關(guān)圖像間存在耦合關(guān)系,并且是可以相互轉(zhuǎn)換的。為此,提出了一種基于耦合字典學習和壓縮感知技術(shù)的圖像重建算法。該算法在保證圖像質(zhì)量的前提下先對兩張或多張不相關(guān)圖像進行編碼,之后給定任意一張編碼圖像,可對另外一張圖像進行重建。該算法可用于解決圖像加密問題,與傳統(tǒng)的加密算法相比,提出的解決方法不需要在封面圖像中嵌入任何數(shù)據(jù),可大大提高傳輸過程中秘密數(shù)據(jù)的安全性。
  3)在挖掘低層特征結(jié)構(gòu)化信息方面

6、,也同樣包括三個工作。第一個工作使用張量表示人臉圖像,并提出了基于張量分析的魯棒人臉聚類算法。與傳統(tǒng)使用向量表示法相比,張量可以很好的保留人臉圖像中的結(jié)構(gòu)化信息。此外,該工作可有效濾除人臉圖像中存在的各種噪聲,相比傳統(tǒng)人臉聚類算法更加的魯棒。在第二個工作中,挖掘區(qū)域標注過程中特征點、區(qū)域、圖像之間存在的樹形結(jié)構(gòu)關(guān)系,并融合此樹形關(guān)系進結(jié)構(gòu)化稀疏表示理論框架中,有效的提升了區(qū)域標注算法的準確率。第三個工作挖掘顯著性檢測過程中圖像間的結(jié)構(gòu)化

7、信息,并結(jié)合D-S證據(jù)理論提出了結(jié)構(gòu)化的顯著性檢測算法。所提算法簡單,有效,不需要訓練過程。可作為后處理步驟提升現(xiàn)有顯著性檢測算法的性能。
  在以上這些工作中,基于結(jié)構(gòu)化信息的顯著性區(qū)域檢測算法和基于多源信息的高階上下文描述符用于解決場景中的目標檢測問題;基于張量分析的魯棒人臉聚類算法用于解決目標物體的聚類問題;基于結(jié)構(gòu)化信息的語義標注和基于樹形結(jié)構(gòu)的增廣圖像描述算法用于解決目標物體的語義預(yù)測與理解問題;結(jié)構(gòu)化的圖像檢索和有意義

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論