基于改進多樣性密度的圖像標簽定位與分析.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展和數(shù)字技術的進步,網(wǎng)絡圖像資源與日劇增。如何對海量的圖像資源進行高效的組織、管理和檢索,成為信息檢索領域的一大難題。計算機領域的學者們嘗試通過圖像標注的方法解決此類問題。針對圖像級標注方法越來越難以解決互聯(lián)網(wǎng)圖像內(nèi)容的高復雜性問題,本文在圖像已經(jīng)含有圖像級層次的標簽的前提下,研究如何在圖像區(qū)域和標簽之間建立匹配聯(lián)系以實現(xiàn)標簽定位,以及如何增添具有描述性的屬性標簽。這樣可以更加全面、完整地描述圖像內(nèi)容,從而更好地利用圖像標

2、注解決圖像檢索問題。本文的主要工作和創(chuàng)新點如下:
　　(1)概述了現(xiàn)有的圖像標注方法,包括基于分類的圖像標注、基于概率模型的圖像標注和基于互聯(lián)網(wǎng)數(shù)據(jù)集的圖像標注。闡述了社會化媒體下的社會性標簽處理的相關工作以及圖像的底層視覺特征的提取過程。同時對基于多樣性密度的圖像標注方法進行了介紹。
　　(2)提出了基于區(qū)域語義多樣性密度的圖像標注框架以獲得全面的圖像標簽信息。首先,為了衡量圖像的每個標簽與圖像各區(qū)域之間的相關程度,以得到

3、標簽的相關語義區(qū)域,本文提出了多樣性密度標簽定位方法,包括基于距離相似度的特征多樣性密度方法 DDSIM、基于區(qū)域位置的空間關系多樣性密度方法 DDL和綜合多樣性密度方法 DDCom。這三種算法充分利用了區(qū)域間的視覺特征差異和空間結(jié)構(gòu)差異,同時考慮負相關示例的懲罰作用,可以較準確的得到標簽在圖像中的相關區(qū)域。在此之后,通過區(qū)域?qū)傩哉Z義標簽對相關區(qū)域進行分析學習,得到對區(qū)域具有描述性的屬性標簽。
　　(3)提出基于內(nèi)容和語義的圖像檢