基于優(yōu)化標(biāo)簽集的圖像標(biāo)注的研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、多媒體技術(shù)和網(wǎng)絡(luò)通信技術(shù)的興起和快速的發(fā)展，圖像數(shù)據(jù)庫變得越來越龐大，如何有效的獲取人們真正需要的信息成為一個(gè)重要的研究課題。自動(dòng)圖像標(biāo)注的實(shí)質(zhì)是通過對(duì)圖像底層特征的挖掘和處理來獲取高層語義關(guān)鍵詞，為高效地獲取圖像數(shù)據(jù)提供了便利。本文對(duì)自動(dòng)圖像標(biāo)注進(jìn)行了研究。主要工作體現(xiàn)在以下幾個(gè)方面:
　　(1)為了得到圖像的區(qū)域特征，提出改進(jìn)的Normalized Cuts算法進(jìn)行圖像分割。首先用Mean Shift算法對(duì)圖像

2、進(jìn)行預(yù)分割，并采用一個(gè)加權(quán)的區(qū)域鄰接圖(Region adjacency graph，RAG)表示分割區(qū)域;然后采用Normalized Cuts對(duì)這些小區(qū)域進(jìn)行融合。
　　(2)采用最大密度聚類算法對(duì)圖像的區(qū)域特征和SIFT特征進(jìn)行聚類，得到離散化的視覺詞，并用“詞袋”模型將圖像表示為離散視覺詞。
　　(3)以文本關(guān)鍵詞和視覺詞的集合表示圖像。針對(duì)圖像的文本模態(tài)和視覺模態(tài)特征，本文提出了一種基于主題融合的概率潛在語義模型，

3、該模型分別從視覺模態(tài)和文本模態(tài)中捕獲潛在語義主題，并提出一種自適應(yīng)的不對(duì)稱學(xué)習(xí)方法融合兩種語義主題，使得它們共享同樣的潛在主題。
　　(4)為了提高自動(dòng)圖像標(biāo)注的準(zhǔn)確性，提出了對(duì)圖像自動(dòng)標(biāo)注系統(tǒng)優(yōu)化算法。對(duì)標(biāo)注后圖像，采用基于詞頻因子的詞間相關(guān)性以及啟發(fā)式迭代算法對(duì)獲得的標(biāo)注詞進(jìn)行有效的優(yōu)化，詞頻因子有效提高詞間相關(guān)性的度量值的精準(zhǔn)性，從而提高了標(biāo)注詞的準(zhǔn)確性。
　　實(shí)驗(yàn)結(jié)果表明，本文提出的方法有效提高了自動(dòng)圖像標(biāo)注的效果。