基于語義和語法關(guān)系的特征表達(dá)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(rèn)識(shí)之間存在著“語義鴻溝”,現(xiàn)有的圖像處理技術(shù)受到了很大的局限。近年來,很多學(xué)者提出了基于圖像語義的圖像處理方法,它的核心技術(shù)就是使用知識(shí)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(gè)層次,它們分別對(duì)應(yīng)了圖像的特征語義、對(duì)象語義和概念語義。本文探索了這三個(gè)語義層探索了圖像語義在圖像分類,圖像的目標(biāo)分類及圖像分割中的應(yīng)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(jìn)行了圖像分類。算法取得了令人滿意的準(zhǔn)確率,從而驗(yàn)證了該特征語義描述子的有效性。
　　 提出一種結(jié)合場(chǎng)景語義與圖像語義先驗(yàn)的目標(biāo)分類算法,算法同時(shí)使用了圖像的場(chǎng)景語義信息及語義先驗(yàn)。圖像的場(chǎng)景語義是對(duì)整幅圖的宏觀理解,在算法中,利用這個(gè)信息,結(jié)合本體論的方法定義圖像的目標(biāo)類別庫,以輔助圖像目標(biāo)

3、分類。而圖像的語義先驗(yàn)則是通過學(xué)習(xí)所得的目標(biāo)類別間的上下文語義關(guān)系。為了提高目標(biāo)分類的準(zhǔn)確率,算法將圖像的語義先驗(yàn)作為一種約束條件用于免疫克隆算法的適應(yīng)度函數(shù)里面；將SVM對(duì)圖像的初始分類結(jié)果看做是一組圖像的標(biāo)簽序列,通過免疫克隆算法對(duì)這一組標(biāo)簽進(jìn)行優(yōu)化得到關(guān)于圖像目標(biāo)分類的最優(yōu)化的結(jié)果。
　　 提出了一種基于語義結(jié)構(gòu)樹的遙感圖像分割算法。通過構(gòu)造出一棵能夠表達(dá)圖像內(nèi)容的語義結(jié)構(gòu)樹,得到對(duì)圖像完整的解析,并以此為基礎(chǔ),根據(jù)需求得