基于視覺(jué)注意機(jī)制與支持向量機(jī)自動(dòng)圖像標(biāo)注.pdf

1、最近幾十年，隨著數(shù)碼技術(shù)和互聯(lián)網(wǎng)技術(shù)不斷發(fā)展，每天都有海量的數(shù)字圖像出現(xiàn)在網(wǎng)絡(luò)上，隨之而來(lái)的問(wèn)題是，人們想要在網(wǎng)絡(luò)中比較精確快速地找到自己需要的圖片也變得越來(lái)越難，圖片檢索技術(shù)正是為了解決人們檢索圖片的需求而誕生的。但是，專(zhuān)業(yè)性的圖片檢索工具對(duì)于大部分普通用戶(hù)來(lái)說(shuō)，操作比較繁雜，而且往往需要用戶(hù)提供與查詢(xún)需求相似的圖片，這大大增加了用戶(hù)的工作量。自動(dòng)圖像標(biāo)注技術(shù)將圖像檢索過(guò)程間接轉(zhuǎn)化為了文本檢索，即用戶(hù)只需要輸入查詢(xún)關(guān)鍵詞，系統(tǒng)就將返回

2、與關(guān)鍵詞相關(guān)的圖片結(jié)果，這非常符合當(dāng)前絕大部分用戶(hù)的使用習(xí)慣，且文本搜索技術(shù)要比圖片搜索技術(shù)成熟許多。因此，自動(dòng)圖像標(biāo)注成為了圖片檢索領(lǐng)域一項(xiàng)重要的研究課題，只要能對(duì)圖像進(jìn)行精確的標(biāo)注，就能返回給用戶(hù)很好的結(jié)果。
　　影響圖像自動(dòng)標(biāo)注結(jié)果的因素主要有以下幾方面:第一，能否將圖像進(jìn)行準(zhǔn)確的分割，把圖像中有意義的區(qū)域和用戶(hù)感興趣的區(qū)域識(shí)別出來(lái)。第二，對(duì)圖像特征（顏色、紋理、形狀等）的提取和表示方法。第三，對(duì)圖像和關(guān)鍵詞進(jìn)行訓(xùn)練的模型的

3、選?。壳爸饕谢诜诸?lèi)的模型和基于概率的模型兩大類(lèi)方法）。第四，在對(duì)圖像標(biāo)注完成后對(duì)標(biāo)注結(jié)果的改善。
　　目前對(duì)自動(dòng)圖像標(biāo)注算法的研究，或者沒(méi)有對(duì)圖像進(jìn)行分割，以整幅圖像來(lái)提取特征;或者在對(duì)圖像進(jìn)行分割時(shí)，都沒(méi)有考慮圖像各部分區(qū)域?qū)τ谟脩?hù)是否具有不同的重要性。針對(duì)這些問(wèn)題，本文提出了一種基于視覺(jué)注意機(jī)制和支持向量機(jī)的圖像自動(dòng)標(biāo)注算法，首先將視覺(jué)注意機(jī)制引入圖像標(biāo)注過(guò)程中，在前期處理中先提取出圖像顯著區(qū)域和非顯著區(qū)域，并分別計(jì)算得

4、到其特征向量。在標(biāo)注時(shí)，先通過(guò)顯著與非顯著區(qū)域的加權(quán)特征向量和標(biāo)注模型以及詞與詞之間的概率模型得到圖像的全局標(biāo)注詞，然后再通過(guò)提出的顯著詞分離模型從全局標(biāo)注詞中分離出顯著詞。最后，將標(biāo)注結(jié)果反饋于詞與詞之間的概率模型，并對(duì)概率模型進(jìn)行動(dòng)態(tài)更新，從而提高圖像自動(dòng)標(biāo)注的精確性。
　　通過(guò)在標(biāo)準(zhǔn)數(shù)據(jù)集Core15K圖片庫(kù)上進(jìn)行訓(xùn)練和對(duì)測(cè)試圖片進(jìn)行標(biāo)注，與基于支持向量機(jī)的標(biāo)注算法結(jié)果進(jìn)行比較，表明本文提出的方法能夠得到滿(mǎn)意的實(shí)驗(yàn)結(jié)果。