基于圖像分割和支持向量機(jī)的半自動圖像標(biāo)記系統(tǒng)的研究.pdf

1、隨著高分辨率的數(shù)字相機(jī)成為大眾普遍使用的設(shè)備，高質(zhì)量數(shù)字圖像更加豐富多樣，數(shù)量成指數(shù)級增長，急切需要有效檢索大規(guī)模圖像集合的方法。 盡管需求迫切，但是基于內(nèi)容的圖像檢索(CBIR：content-based image retrieval)技術(shù)的仍不成熟，大多數(shù)已有的CBIR系統(tǒng)僅能支持基于低級圖像特征的檢索。大多數(shù)非專業(yè)用戶很難理解低級可視化特征所描述的含義，無法直觀準(zhǔn)確表達(dá)查詢意圖?，F(xiàn)有的基于關(guān)鍵字的圖像檢索吸取了文本檢索的

2、優(yōu)勢，但缺乏對圖像語義和特征統(tǒng)一描述的能力，難以準(zhǔn)確建立關(guān)鍵字和圖像間的關(guān)聯(lián)。圖像檢索本身是希望能夠在已有的廣大數(shù)據(jù)庫中查找所希望含有的圖像信息，但是鑒于當(dāng)前數(shù)據(jù)的飛速增長和已處理數(shù)據(jù)的匱乏，數(shù)據(jù)庫本身的建設(shè)并不完整。而且用戶更傾向于對于未知圖像信息的獲取，所以通過已有數(shù)據(jù)對未知數(shù)據(jù)進(jìn)行預(yù)測判斷的方法在現(xiàn)階段更加實用。 圖像標(biāo)記就是一種使普通用戶能夠輕松的使用關(guān)鍵字來表達(dá)他們查詢目標(biāo)的方法。通過使用已有的數(shù)據(jù)對待查詢數(shù)據(jù)進(jìn)行分析

3、標(biāo)注，從而準(zhǔn)確表達(dá)查詢數(shù)據(jù)所蘊(yùn)含的信息，滿足了廣泛的用戶需求。圖像標(biāo)記工具的性能很大程度上依賴兩個相互關(guān)聯(lián)的問題：(1)合適的表示圖像內(nèi)容和自動特征提取的框架；(2)有效的訓(xùn)練圖像分類器和選擇特征子集的算法。 本文介紹了一種基于分割和支持向量機(jī)的半自動圖像標(biāo)記方法。標(biāo)記對象采用家庭拍攝的自然風(fēng)景類圖像。方法采用圖像分割技術(shù)并通過提取圖像可視化描述特征來表示的景物特征，從而解決第一個問題。第二個問題通過采用支持向量機(jī)對特征數(shù)據(jù)進(jìn)行

4、學(xué)習(xí)訓(xùn)練得到各種自然景物的類別模型，并根據(jù)用戶的相關(guān)反饋優(yōu)化模型來解決。 據(jù)此方法實現(xiàn)的系統(tǒng)對于自然風(fēng)景類圖像有較好的標(biāo)記結(jié)果。圖像的標(biāo)記過程集成了基于關(guān)鍵字和圖像內(nèi)容的分類方法，并借助用戶反饋積極的改進(jìn)圖像標(biāo)記精度。用戶提交圖像得到關(guān)鍵字標(biāo)記，提供相關(guān)反饋。反饋的正例結(jié)果添加到查詢集中豐富數(shù)據(jù)，反例結(jié)果經(jīng)過修正加入實際所屬類別并更新類別模型。系統(tǒng)通過不斷的查詢反饋改進(jìn)數(shù)據(jù)訓(xùn)練模型達(dá)到提高標(biāo)記精度的效果。從標(biāo)記效率上比較，半自動