基于領(lǐng)域本體的語義圖像檢索研究.pdf

1、隨著計算機與互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，圖像等多媒體數(shù)據(jù)每日都以驚人的速度增長。如何有效而快速地從大規(guī)模圖像數(shù)據(jù)庫中檢索到所需的圖像是目前急需解決的一個問題。近年來，基于語義的圖像檢索技術(shù)受到極大關(guān)注，人們試圖從圖像中提取知識來增強檢索系統(tǒng)的性能。語義檢索模型的提出，有助于圖像的半自動標(biāo)注以及多語義(視覺特征與文本信息)檢索。本文提出一種基于領(lǐng)域本體的語義圖像檢索模型，利用一種轉(zhuǎn)化機制，實現(xiàn)了非結(jié)構(gòu)化向量空間模型到層次化本體模型的轉(zhuǎn)化。由于本

2、體的層次化結(jié)構(gòu)具有支持?jǐn)?shù)據(jù)共享、概念多義等功能。因此，本文的檢索系統(tǒng)利用概念關(guān)聯(lián)而非簡單的低層特征匹配來檢索圖像，來提高系統(tǒng)的檢索性能(較高的查準(zhǔn)率和查全率)。本文的主要研究工作包括以下幾方面：
　　 (1)領(lǐng)域本體的構(gòu)建。本文從國際奧委會官方網(wǎng)站上獲取有關(guān)田徑比賽項目的專家知識，提取相關(guān)概念，概念間關(guān)系及關(guān)系屬性。
　　 (2)視覺詞語袋(Bag of visual word)的生成。我們使用SIFT算法檢測關(guān)鍵點并對

3、其向量量化，然后利用一種新的聚類算法--語義局部自適應(yīng)聚類(Semantic local adaptive clustering)對檢測到的關(guān)鍵點進(jìn)行聚類。由于SLAC算法既考慮了關(guān)鍵點的空間位置，又考慮了視覺詞語權(quán)重，因此能明顯改善視覺詞語的質(zhì)量(對視覺內(nèi)容的表達(dá))。
　　 (3)冗余視覺詞語識別與剔除。對于那些對圖像分類與檢索無益的視覺詞語，我們要設(shè)法識別并剔除，以減少系統(tǒng)的計算開銷，提高系統(tǒng)的檢索效率。
　　 (4