大規(guī)模圖像集自動摘要技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)通信的飛速發(fā)展和圖片共享網(wǎng)站的普及，互聯(lián)網(wǎng)上的圖片數(shù)量呈現(xiàn)爆炸式增長。然而，這個龐大的數(shù)據(jù)集合是雜亂無章，并且含有大量冗余和噪聲。如何快速準確并且自動地從這樣一個大規(guī)模圖片集合中瀏覽和獲取用戶所需信息，已經(jīng)成為迫切需要解決并且富有挑戰(zhàn)性的問題。圖像數(shù)據(jù)集自動摘要技術(shù)能夠從原始的大規(guī)模數(shù)據(jù)集合中自動選取少量具有代表性的圖像數(shù)據(jù)構(gòu)成視覺摘要，以引導(dǎo)用戶快速瀏覽或查詢。
　　本文主要從圖像集摘要的代表性、多樣性和自動性的角度出發(fā)

2、，圍繞著摘要產(chǎn)生過程中的幾個關(guān)鍵技術(shù)進行了深入研究，具體包括圖像特征描述、特征匹配和自動聚類。本文主要的研究工作和創(chuàng)新之處如下:
　　(1)針對SIFT特征描述矩陣維度過高計算復(fù)雜的問題，采用加權(quán)的同心圓鄰域代替方形鄰域描述特征點，簡化特征描述矩陣。引入了幾何校驗RANSAC算法對匹配點對進一步提純過濾。為了降低RANSAC過高的時間代價，通過最優(yōu)匹配點構(gòu)建小樣本集擬合變換矩陣，在有效的濾除誤匹配對的同時，大幅降低了RANSAC的

3、擬合時間，提高了運算效率。
　　(2)提出了一種基于空間約束的SURF匹配優(yōu)化算法，通過最優(yōu)匹配點對構(gòu)成旋轉(zhuǎn)坐標系構(gòu)建空問矩陣，并結(jié)合簡化的RANSAC實現(xiàn)對匹配點對的幾何校驗，實現(xiàn)了高匹配精度的快速SURF圖像匹配。
　　(3)針對ATTA蟻群聚類算法易陷于局部最優(yōu)解的缺點，提出了一種基于桶的ATTA蟻群自動聚類算法，通過ATTA算法對數(shù)據(jù)進行初步自組織聚類處理，然后結(jié)合桶聚類的思想，將初步區(qū)域成簇的數(shù)據(jù)映射到桶中，通過判

4、別目標函數(shù)實現(xiàn)桶的合并和分裂，最終實現(xiàn)全局尋優(yōu)的目的。
　　(4)提出了一種基于有效性指標的AP自動聚類算法，結(jié)合聚類分析定義和相似對象分類一致性原則，設(shè)計了一種基于AP聚類的聚類有效性指標。針對在大規(guī)模數(shù)據(jù)集時的最佳聚類數(shù)搜索方法計算量巨大以及內(nèi)存消耗大的問題，提出了一種快速最佳聚類數(shù)搜索方法。在原始大數(shù)據(jù)集中抽取幾何密集數(shù)據(jù)構(gòu)成代表數(shù)據(jù)集，根據(jù)AP聚類自身獨特的偏向參數(shù)決定聚類數(shù)的特點，在代表數(shù)據(jù)集上運行AP算法搜索最佳偏向參