基于模糊領(lǐng)域本體語(yǔ)義的圖像檢索關(guān)鍵技術(shù)的研究.pdf

1、隨著計(jì)算機(jī)和多媒體技術(shù)以及Internet的飛速發(fā)展，圖像信息也急劇增長(zhǎng)，如何從海量的圖像數(shù)據(jù)中高效快速地檢索出用戶(hù)所需圖像成為計(jì)算機(jī)領(lǐng)域的一個(gè)重要課題。然而，從圖像的視覺(jué)特征到圖像的語(yǔ)義表達(dá)之間存在巨大的“語(yǔ)義鴻溝”，因此有效的圖像檢索系統(tǒng)必須要解決這個(gè)問(wèn)題，充分利用圖像的語(yǔ)義信息。于是基于內(nèi)容圖像檢索(Content—based Image Retrieval，CBIR)基礎(chǔ)上發(fā)展了基于語(yǔ)義的圖像檢索技術(shù)(Semantic—base

2、d Image Retrieval，SBIR)，SBIR研究如何獲取圖像語(yǔ)義信息，并根據(jù)語(yǔ)義檢索相關(guān)圖像。 本文在分析圖像的語(yǔ)義模型、圖像語(yǔ)義的提取方法存在的問(wèn)題的基礎(chǔ)上，基于本體技術(shù)和模糊理論研究了SBIR的幾個(gè)關(guān)鍵問(wèn)題，設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)基于模糊領(lǐng)域本體語(yǔ)義的圖像檢索原型系統(tǒng)SBIRFDO。具體工作包括： (1)研究了圖像的底層特征(顏色，紋理，形狀)提取方法，采用改進(jìn)的K—均值算法以及顏色和紋理特征進(jìn)行圖像分割，從而

3、提取了圖像的感興趣區(qū)域(Region—of—Interest，ROI)，并對(duì)分割后的區(qū)域提取形狀和空間位置特征。 (2)構(gòu)建了圖像語(yǔ)義的模糊領(lǐng)域本體描述模型(Semantic Feature Description Model using Fuzzy Domain Ontology，SFDMFDO)，該模型主要是將本體技術(shù)和模糊理論相結(jié)合應(yīng)用來(lái)圖像特征表示上來(lái)，本體是一種用來(lái)描述概念以及概念和概念之間關(guān)系的模型，而模糊理論能夠促

4、使圖像檢索技術(shù)脫離精確的計(jì)算。在傳統(tǒng)的領(lǐng)域本體基礎(chǔ)上，給其中的概念與概念間的關(guān)系加入模糊隸屬度構(gòu)成了模糊領(lǐng)域本體(Fuzzy3Domain Ontology，F(xiàn)DO)，用FDO來(lái)描述圖像語(yǔ)義特征更加符合人類(lèi)的模糊思維。 (3)提出了一種新的基于Vague集的FSVMs語(yǔ)義分類(lèi)方法(V—FSVMs)，并利用它將圖像底層特征映射到本體中的高層語(yǔ)義概念特征，這樣系統(tǒng)就可以從圖像的底層特征自動(dòng)地獲取到圖像的高層語(yǔ)義信息。 (4)

5、設(shè)計(jì)了一種基于語(yǔ)義網(wǎng)絡(luò)和Vague集的相關(guān)反饋算法RFSV(Relevance Feedback based on Semantic web and Vague)。RFSV算法是在傳統(tǒng)的相關(guān)反饋算法基礎(chǔ)上加入真假隸屬度函數(shù)，能夠更加自然地描述圖像相應(yīng)特征在檢索中的分量，根據(jù)用戶(hù)的不同理解來(lái)更新語(yǔ)義結(jié)構(gòu)，實(shí)現(xiàn)圖像底層特征映射到本體中的高層語(yǔ)義。 (5)設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于模糊領(lǐng)域本體語(yǔ)義的圖像檢索原型系統(tǒng)SBIRFDO，并在標(biāo)準(zhǔn)圖