基于內容圖像檢索中圖像語義分類技術研究.pdf

1、圖像語義分類是基于內容圖像檢索(Content-BasedImageRetrieval，CBIR)研究領域中一個重要而又有挑戰(zhàn)性的問題。圖像和視頻正在成為多媒體的主要表現(xiàn)形式，將圖像數(shù)據(jù)庫劃分為有意義的語義類別成為迫切的需要。傳統(tǒng)CBIR技術試圖通過分析圖像視覺特征的相似性來檢索圖像，這不能滿足普通人按語義檢索圖像的需求?；诘图増D像特征將圖像集合按語義進行合理的分類，會極大提高CBIR系統(tǒng)的性能。本文主要研究基于圖像低級視覺特征的圖像

2、語義分類。 本文首先介紹傳統(tǒng)CBIR的研究內容、系統(tǒng)組成和實際系統(tǒng)。詳細闡述作為圖像語義分類基礎的顏色、紋理、形狀、空間關系等低級圖像特征，并討論圖像語義分類的主流技術。針對傳統(tǒng)CBIR的不足，介紹了圖像語義檢索的主要技術。 圖像語義模型是對圖像整個語義表示和處理過程的抽象，也提供可行的研究方向。貝葉斯概率框架是一種將先驗概率轉化為后驗概率的理論框架，通過形式化的圖像分類概率框架可以將低級圖像特征映射到已有的高層語義。

3、 圖像全局特征的表現(xiàn)形式多種多樣，是圖像語義分類的重要基礎。本文基于單個圖像全局特征提出一種新的圖像語義分類方法，借鑒相關反饋機制的基本思想獲得候選圖像全局特征集合中具有最優(yōu)“判別能力”的單個特征，還應用基于傳統(tǒng)攝影學理論的空間分塊策略。本文實現(xiàn)室內/室外和城市/風景兩個圖像分類器，并結合在大型圖像數(shù)據(jù)庫上的試驗結果深入分析該圖像語義分類算法。 多種圖像全局特征也可以同時應用于圖像語義分類。在分析使用多種圖像全局特征優(yōu)點的

4、基礎上，本文提出基于多種圖像全局特征并和圖像特征空間分布信息相融合的圖像語義分類方法。結合多種圖像特征和空間分布信息產生新的圖像特征表示，并應用一種增量學習方法改進算法的性能。試驗結果表明該算法特別適用于特征空間分布相對固定的室內/室外等具體圖像語義分類問題。 圖像局部特征往往對應著特定的語義類別。本文提出利用動態(tài)外觀模型(ActiveAppearanceModel)來描述同一語義類別圖像中外觀相似物體的方法。通過搜索圖像中外觀