基于MM混合模型的圖像自動標注研究.pdf

1、伴隨數字影像技術、數據存儲和互聯(lián)網技術的迅速發(fā)展，圖像的數量快速增長，如何有效的管理和組織圖像、視頻等多媒體數據成為大眾日益關注的問題。然而利用圖像低層視覺特征的相似性進行匹配和檢索的基于內容的圖像檢索系統(tǒng)已經無法滿足用戶的需求，它并不能有效的減弱圖像低層視覺特征和高層語義之間的語義鴻溝。因此，這推動了基于語義的圖像檢索系統(tǒng)的產生和研究。為了克服人工標注耗時費力和人對圖像理解的不一致性，圖像自動標注得到大量研究。圖像自動標注是利用圖像低

2、層特征表達圖像的語義內容，是實現(xiàn)圖像語義檢索的基礎。
　　圍繞圖像自動標注中的兩個核心問題：圖像低層視覺特征的提取和低層視覺特征到高層語義空間的映射模型的選擇，本文研究工作如下：
　　1.結合多媒體內容描述接口(MPEG-7)和MM混合模型實現(xiàn)圖像低層視覺特征到高層語義空間的映射。算法中采用MPEG-7標準推薦的顏色描述子和紋理描述子提取圖像的低層視覺特征，利用MM混合模型建立低層視覺特征到高層語義空間之間的映射,有效的為圖

3、像自動添加上多個語義標簽。
　　2.利用統(tǒng)計分布選擇最優(yōu)的加權特征子集，簡稱為特征加權。其核心思想是利用根據MPEG-7描述子提取到的特征向量統(tǒng)計分布的離散程度來衡量特征對于不同主題圖像的重要程度，使特征在不同的主題圖像中得到不同的權重。該算法把特征權重與圖像的主題關聯(lián)起來，每個主題圖像都有各自的特征權重集合。
　　3.采用基于局部加權的決策融合算法：局部決策融合，來融合待標注圖像在顏色和紋理模型下得到的標注結果。局部決策融

4、合算法中，根據顏色和紋理特征對每個關鍵詞的標注能力，對顏色和紋理模型下的關鍵詞賦予相應的可信度而不是對該模型賦予相應的可信度。該算法把模型的可信度與關鍵詞結合起來，在同一模型下得到的關鍵詞概率會被不同的加權。
　　通過在corel圖像數據集上的實驗，表明了本文采用的算法削弱了低層視覺特征和語義空間之間的語義鴻溝，有效的實現(xiàn)了圖像自動標注,且采用的特征加權和局部決策融合方式能更充分利用圖像顏色和紋理特征對不同主題圖像的區(qū)分和表達能力