基于語義的圖像標注和檢索算法研究.pdf

1、圖像的自動標注技術(shù)和基于語義的圖像檢索技術(shù)在多媒體信息檢索領(lǐng)域有著重要的地位。圖像標注滿足了用戶在海量圖像數(shù)據(jù)庫中進行關(guān)鍵詞檢索的需要。傳統(tǒng)的基于文本的圖像檢索系統(tǒng)需要耗費大量人力進行手工標注,因此,研究人員提出了基于內(nèi)容的圖像檢索技術(shù),該技術(shù)直接從圖像內(nèi)容中提取顏色、紋理和形狀等底層特征進行檢索。但是,隨著研究的深入,基于內(nèi)容的圖像檢索遇到了一個嚴重的問題,即圖像底層特征和語義概念之間存在著“語義鴻溝”。為了解決“語義鴻溝”這一難題,

2、本文提出了基于矢量量化和潛在狄利克雷相結(jié)合的模型標注方法。首先,介紹了圖像自動標注和檢索的研究背景和意義,總結(jié)了當前各標注系統(tǒng)的構(gòu)成及其優(yōu)缺點。近年來,潛在狄利克雷分布(LDA)模型在文本信息檢索領(lǐng)域得到了廣泛的研究和應(yīng)用,許多學(xué)者已經(jīng)證明LDA模型對于離散數(shù)據(jù)的處理和降維有著顯著的作用。不難看出,圖像信息和文本信息有著驚人的相似性：1、數(shù)據(jù)的海量性和高維性,2、同一類圖像中包含的相近的目標,而同一類文檔含有大量相近的單詞。本文詳細論述

3、了LDA模型的數(shù)學(xué)原理,提出了該模型在圖像數(shù)據(jù)處理和圖像語義檢索中的應(yīng)用方法。為了描述圖像中的有意義區(qū)域,需要對圖像的目標進行分割運算。本文的在回顧經(jīng)典圖像分割算法的計算速度和分割效果之后,選擇了分水嶺算法對圖像進行分割,并針對該算法存在的過分割問題,提出了一種改進方法。接著,對分割后的圖像區(qū)域提取了顏色、紋理和形狀共18維特征,利用矢量量化技術(shù)將這些特征聚類壓縮。聚類后的區(qū)域特征對應(yīng)生成“碼書”中的一個碼字,壓縮后得到的“碼書”可以看