基于語(yǔ)義的圖像分類(lèi)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和多媒體技術(shù)的飛速發(fā)展，數(shù)字圖像廣泛應(yīng)用到社會(huì)生活的方方面面，數(shù)字圖像的分類(lèi)和檢索技術(shù)也隨之發(fā)展。傳統(tǒng)的基于文本關(guān)鍵詞的數(shù)字圖像分類(lèi)和檢索技術(shù)，由于其低效率和非標(biāo)準(zhǔn)化等缺點(diǎn)已經(jīng)不能滿(mǎn)足人們的需要；基于內(nèi)容的圖像分類(lèi)和檢索技術(shù)，從底層視覺(jué)特征度量圖像的相似性，實(shí)現(xiàn)對(duì)圖像的理解。然而，圖像的底層視覺(jué)特征與人對(duì)圖像的理解之間存在巨大的差異，基于內(nèi)容的圖像分類(lèi)和檢索并未溝通圖像的底層視覺(jué)特征與高層語(yǔ)義，跨越“語(yǔ)義鴻溝”；

2、基于語(yǔ)義的圖像分類(lèi)和檢索技術(shù)正成為研究的熱點(diǎn)。 論文首先介紹了圖像語(yǔ)義的層次模型和圖像語(yǔ)義提取的幾種方法，重點(diǎn)介紹了基于機(jī)器學(xué)習(xí)的圖像語(yǔ)義提取方法。在底層特征上，提取了顏色、紋理和形狀三類(lèi)特征。特征選擇可以加速數(shù)據(jù)挖掘，提高數(shù)據(jù)挖掘的性能和效率，論文對(duì)一種改進(jìn)的順序前向浮動(dòng)搜索特征選擇算法進(jìn)行了研究，以底層特征數(shù)據(jù)為基礎(chǔ)實(shí)驗(yàn)對(duì)比了順序前向搜索、順序前向浮動(dòng)搜索和改進(jìn)的順序前向浮動(dòng)搜索三種算法的時(shí)間效率和選擇結(jié)果。 支持向

3、量機(jī)是基于統(tǒng)計(jì)學(xué)習(xí)理論的新型機(jī)器學(xué)習(xí)方法，它能在小樣本下得到很好的分類(lèi)效果并具有較好的泛化能力。論文選擇支持向量機(jī)作為圖像語(yǔ)義的分類(lèi)器，研究了不同特征子集下支持向量機(jī)的分類(lèi)性能，實(shí)驗(yàn)結(jié)果證實(shí)了特征選擇的有效性?；诮Y(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的支持向量機(jī)不會(huì)產(chǎn)生傳統(tǒng)方法中的過(guò)學(xué)習(xí)和局部最小等問(wèn)題，基于支持向量機(jī)的增量學(xué)習(xí)具有重要的應(yīng)用價(jià)值。論文對(duì)比了支持向量集加錯(cuò)分樣本和歷史訓(xùn)練數(shù)據(jù)加錯(cuò)分樣本兩種增量SVM學(xué)習(xí)算法。實(shí)驗(yàn)證明后者的分類(lèi)準(zhǔn)確性和穩(wěn)定