基于語義和語法關系的特征表達用于圖像理解.pdf

1、由于圖像低層的物理特征與人的高層認識之間存在著“語義鴻溝”,現(xiàn)有的圖像處理技術受到了很大的局限。近年來,很多學者提出了基于圖像語義的圖像處理方法,它的核心技術就是使用知識推理系統(tǒng)挖掘圖像高層的語義信息。這里的語義信息,可以將其分為低層,中層和高層三個層次,它們分別對應了圖像的特征語義、對象語義和概念語義。本文探索了這三個語義層探索了圖像語義在圖像分類,圖像的目標分類及圖像分割中的應用,主要工作如下:
　　 提出一種基于特征語義描

2、述子的圖像分類算法,該算法提出一種融合圖像顏色,紋理及邊緣信息的圖像特征語義描述子,充分挖掘了圖像的特征語義信息,并使用多類的SVM分類器進行了圖像分類。算法取得了令人滿意的準確率,從而驗證了該特征語義描述子的有效性。
　　 提出一種結合場景語義與圖像語義先驗的目標分類算法,算法同時使用了圖像的場景語義信息及語義先驗。圖像的場景語義是對整幅圖的宏觀理解,在算法中,利用這個信息,結合本體論的方法定義圖像的目標類別庫,以輔助圖像目標

3、分類。而圖像的語義先驗則是通過學習所得的目標類別間的上下文語義關系。為了提高目標分類的準確率,算法將圖像的語義先驗作為一種約束條件用于免疫克隆算法的適應度函數(shù)里面；將SVM對圖像的初始分類結果看做是一組圖像的標簽序列,通過免疫克隆算法對這一組標簽進行優(yōu)化得到關于圖像目標分類的最優(yōu)化的結果。
　　 提出了一種基于語義結構樹的遙感圖像分割算法。通過構造出一棵能夠表達圖像內容的語義結構樹,得到對圖像完整的解析,并以此為基礎,根據(jù)需求得