面向網(wǎng)絡(luò)的圖像搜集與目標標記.pdf

1、互聯(lián)網(wǎng)的迅速發(fā)展，尤其是像微博、Facebook之類的個人主頁更增加了人們將照片上傳到網(wǎng)上的積極性，同時可移動攝像設(shè)備的普及使得人們隨時隨地能夠拍照并將照片上傳到網(wǎng)上，這兩個因素加起來使得網(wǎng)上的圖像數(shù)量呈爆炸式增長，而且圖像種類變得豐富多彩。利用網(wǎng)上的各種搜索引擎和相關(guān)技術(shù)讓我們能夠搜集到成千上萬的圖像。另一方面，在計算機視覺的模型構(gòu)建中，圖像庫始終扮演著舉足輕重的角色，在訓練階段和測試階段都影響著計算機視覺模型的性能?，F(xiàn)存的圖像庫的標

2、記工作多為人工手工標記，但是這種標記方式耗費了大量的人力物力，本文就構(gòu)建一個自動標記的圖像庫做了深入的研究工作，這涉及到兩個階段，即過濾掉噪聲圖像，和目標的自動標記工作。在噪聲圖像的過濾階段，我們按照形狀、顏色和紋理結(jié)合分類器對從網(wǎng)絡(luò)上搜集的圖像進行了相關(guān)度的重新排序，以此方法提高了目標圖像的純度。在目標標記階段，我們使用多分割和主題模型來進行目標標記。本文的研究工作如下:
　　1、提出了一種基于多特征分類器投票機制的網(wǎng)絡(luò)圖像重排

3、機制。使用形狀、顏色、紋理這三種特征對圖像進行描述，然后將不同特征結(jié)合分類器，按照三個分類器投票得出的置信值對網(wǎng)絡(luò)圖像進行相關(guān)性重排以過濾噪聲圖像，提高相關(guān)性圖像的純度。
　　2、實現(xiàn)了一種基于LDA的目標自動標記算法。在目標標記階段，將圖像使用分割算法進行多次分割，將分割片以詞袋模型進行表示，借助主題模型進行目標標記。
　　將本文的算法應用到從網(wǎng)絡(luò)上搜集的10個類的一般目標類圖像上，并從主觀和客觀的衡量指標可知，本文算法在