利用頻繁模式挖掘進(jìn)行圖像的自動(dòng)標(biāo)注.pdf

1、近年來(lái)，隨著多媒體技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)的飛速發(fā)展，多媒體數(shù)據(jù)，特別是圖像數(shù)據(jù)，正在以前所未有的速度呈倍增長(zhǎng)。如何有效的管理與檢索圖像數(shù)據(jù)已成為目前信息檢索領(lǐng)域中的重要課題。 最初的圖像檢索方法利用傳統(tǒng)的基于文本的圖像檢索技術(shù)，人工地為圖像作出文字化的注釋，將圖像檢索轉(zhuǎn)換成文本檢索。該方法具有兩個(gè)缺點(diǎn)：不同的人對(duì)于相同的內(nèi)容的解釋存在較大差異；人工標(biāo)注的效率低下。而基于內(nèi)容的圖像檢索技術(shù)不需要用戶對(duì)檢索的內(nèi)容進(jìn)行文字描述，直接把圖像本

2、身作為檢索條件提交給系統(tǒng)，系統(tǒng)根據(jù)用戶提交的查詢樣例提取特征，并與待查詢的圖像特征進(jìn)行比較，然后返回給用戶查詢結(jié)果。這種方法避免了人工標(biāo)注的弊端但卻繞過(guò)了語(yǔ)義層面直接比對(duì)圖像底層特征，導(dǎo)致查詢結(jié)果在語(yǔ)義上失配。因而，圖像語(yǔ)義的自動(dòng)標(biāo)注成為這一領(lǐng)域的研究熱點(diǎn)。 另一方面，為了有效地從海量數(shù)據(jù)中發(fā)現(xiàn)有用的信息，數(shù)據(jù)挖掘技術(shù)正越來(lái)越受到人們的關(guān)注。分類技術(shù)作為數(shù)據(jù)挖掘的一項(xiàng)關(guān)鍵技術(shù)也得到了長(zhǎng)足的發(fā)展。其中基于關(guān)聯(lián)規(guī)則的分類技術(shù)近年來(lái)成

3、為研究的熱點(diǎn)。而圖像語(yǔ)義的標(biāo)注問題可以看作是對(duì)不同圖像按語(yǔ)義進(jìn)行分類。 圖像語(yǔ)義標(biāo)注的難點(diǎn)之一在于低層的視覺信息與高層的語(yǔ)義信息并不存在顯式的對(duì)應(yīng)關(guān)系，這一現(xiàn)象被稱為“語(yǔ)義鴻溝”(semantic gap)。如何將低層的圖像特征與高層的語(yǔ)義信息相聯(lián)系，即如何有效地根據(jù)圖像的低層特征提取其包含的語(yǔ)義概念成為這一研究領(lǐng)域的核心問題。 本文中，我們主要基于關(guān)聯(lián)規(guī)則進(jìn)行分類的技術(shù)來(lái)處理圖像語(yǔ)義自動(dòng)標(biāo)注的問題。首先，我們將圖像分割

4、成幾個(gè)區(qū)域，使得每一個(gè)區(qū)域的視覺特征盡可能一致，并用一組離散的視覺單詞來(lái)描述。視覺單詞本身是通過(guò)對(duì)一組人工標(biāo)注過(guò)的圖像訓(xùn)練集進(jìn)行學(xué)習(xí)得到的。然后，我們?cè)趫D像訓(xùn)練集上尋找圖像語(yǔ)義的決定性表征模式，這些模式是圖像視覺單詞的組合，它們對(duì)于標(biāo)識(shí)某一語(yǔ)義概念是唯一的或者是關(guān)鍵的。最后，我們根據(jù)標(biāo)注效果最佳的原則生成進(jìn)行圖像自動(dòng)標(biāo)注的規(guī)則集，并對(duì)新的圖像進(jìn)行自動(dòng)的語(yǔ)義標(biāo)注。基于權(quán)威的真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)表明，我們的方法在對(duì)含有多個(gè)語(yǔ)義概念的圖像進(jìn)行概