利用頻繁模式挖掘進行圖像的自動標注.pdf

1、近年來，隨著多媒體技術和計算機網(wǎng)絡的飛速發(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。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，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。該方法具有兩個缺點：不同的人對于相同的內(nèi)容的解釋存在較大差異；人工標注的效率低下。而基于內(nèi)容的圖像檢索技術不需要用戶對檢索的內(nèi)容進行文字描述，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注的弊端但卻繞過了語義層面直接比對圖像底層特征，導致查詢結(jié)果在語義上失配。因而，圖像語義的自動標注成為這一領域的研究熱點。 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)挖掘技術正越來越受到人們的關注。分類技術作為數(shù)據(jù)挖掘的一項關鍵技術也得到了長足的發(fā)展。其中基于關聯(lián)規(guī)則的分類技術近年來成

3、為研究的熱點。而圖像語義的標注問題可以看作是對不同圖像按語義進行分類。 圖像語義標注的難點之一在于低層的視覺信息與高層的語義信息并不存在顯式的對應關系，這一現(xiàn)象被稱為“語義鴻溝”(semantic gap)。如何將低層的圖像特征與高層的語義信息相聯(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義概念成為這一研究領域的核心問題。 本文中，我們主要基于關聯(lián)規(guī)則進行分類的技術來處理圖像語義自動標注的問題。首先，我們將圖像分割

4、成幾個區(qū)域，使得每一個區(qū)域的視覺特征盡可能一致，并用一組離散的視覺單詞來描述。視覺單詞本身是通過對一組人工標注過的圖像訓練集進行學習得到的。然后，我們在圖像訓練集上尋找圖像語義的決定性表征模式，這些模式是圖像視覺單詞的組合，它們對于標識某一語義概念是唯一的或者是關鍵的。最后，我們根據(jù)標注效果最佳的原則生成進行圖像自動標注的規(guī)則集，并對新的圖像進行自動的語義標注?；跈?quán)威的真實數(shù)據(jù)集上的實驗表明，我們的方法在對含有多個語義概念的圖像進行概