基于本體的圖像語(yǔ)義識(shí)別和檢索研究.pdf

1、圖像的語(yǔ)義識(shí)別和檢索，一直以來(lái)都是計(jì)算機(jī)領(lǐng)域的熱點(diǎn)問(wèn)題。該問(wèn)題涉及了圖像處理、模式識(shí)別、人工智能以及機(jī)器視覺(jué)等眾多學(xué)科領(lǐng)域。本文針對(duì)其中的若干關(guān)鍵問(wèn)題做了研究，取得了如下一些成果：
　　 提出了圖像語(yǔ)義的四層模型和認(rèn)知架構(gòu)。在綜述當(dāng)前研究現(xiàn)狀的基礎(chǔ)上，提出了由低到高分別為：特征層、實(shí)體層、關(guān)系層、語(yǔ)義層的四層模型。在此基礎(chǔ)之上，我們提出一個(gè)基于本體的圖像語(yǔ)義認(rèn)知架構(gòu)。該架構(gòu)共由五個(gè)模塊構(gòu)成：圖像分割模塊、實(shí)體庫(kù)構(gòu)建模塊、決策樹歸

2、納學(xué)習(xí)模塊、實(shí)體解析模塊和高層語(yǔ)義解析模塊。該系統(tǒng)架構(gòu)能夠?qū)τ趫D像進(jìn)行區(qū)域分割，并依據(jù)訓(xùn)練的判定算法，映射得到區(qū)域的實(shí)體概念?？梢越Y(jié)合OMCSNet常識(shí)庫(kù)，進(jìn)行語(yǔ)義消歧。
　　 構(gòu)建了圖像實(shí)體模板庫(kù)。采用Berkeley人工分割圖像的思想，在ImageJ框架下，以JAVA插件的方式實(shí)現(xiàn)了低層特征的獲取。對(duì)于模板圖像，分別提取顏色特征值(Lab顏色均值)、紋理特征值(灰度共生矩陣的熵、對(duì)比度、能量和反差分矩)和形狀特征值(Hu形狀

3、不變矩)。
　　 提出了基于各向異性擴(kuò)散濾波的區(qū)域增長(zhǎng)分割方法。在各向異性擴(kuò)散濾波中，使擴(kuò)散控制參數(shù)自適應(yīng)于圖像的粗糙度，以達(dá)到對(duì)高粗糙度的紋理區(qū)域，具有較強(qiáng)的擴(kuò)散作用。經(jīng)過(guò)各向異性擴(kuò)散濾波，使得圖像整體比較平滑的同時(shí)，卻能保持圖像的邊緣比較清晰。經(jīng)過(guò)濾波后，使用了區(qū)域增長(zhǎng)的圖像分割方法。并使用經(jīng)過(guò)歸一化處理的混和距離(顏色距離和粗糙度距離相組合)來(lái)對(duì)區(qū)域進(jìn)行合并。并使用決策樹歸納算法，構(gòu)建了實(shí)體的判定規(guī)則。
　　 定義