基于優(yōu)化標簽集的圖像標注的研究.pdf

1、隨著計算機技術、多媒體技術和網絡通信技術的興起和快速的發(fā)展，圖像數據庫變得越來越龐大，如何有效的獲取人們真正需要的信息成為一個重要的研究課題。自動圖像標注的實質是通過對圖像底層特征的挖掘和處理來獲取高層語義關鍵詞，為高效地獲取圖像數據提供了便利。本文對自動圖像標注進行了研究。主要工作體現在以下幾個方面:
　　(1)為了得到圖像的區(qū)域特征，提出改進的Normalized Cuts算法進行圖像分割。首先用Mean Shift算法對圖像

2、進行預分割，并采用一個加權的區(qū)域鄰接圖(Region adjacency graph，RAG)表示分割區(qū)域;然后采用Normalized Cuts對這些小區(qū)域進行融合。
　　(2)采用最大密度聚類算法對圖像的區(qū)域特征和SIFT特征進行聚類，得到離散化的視覺詞，并用“詞袋”模型將圖像表示為離散視覺詞。
　　(3)以文本關鍵詞和視覺詞的集合表示圖像。針對圖像的文本模態(tài)和視覺模態(tài)特征，本文提出了一種基于主題融合的概率潛在語義模型，

3、該模型分別從視覺模態(tài)和文本模態(tài)中捕獲潛在語義主題，并提出一種自適應的不對稱學習方法融合兩種語義主題，使得它們共享同樣的潛在主題。
　　(4)為了提高自動圖像標注的準確性，提出了對圖像自動標注系統(tǒng)優(yōu)化算法。對標注后圖像，采用基于詞頻因子的詞間相關性以及啟發(fā)式迭代算法對獲得的標注詞進行有效的優(yōu)化，詞頻因子有效提高詞間相關性的度量值的精準性，從而提高了標注詞的準確性。
　　實驗結果表明，本文提出的方法有效提高了自動圖像標注的效果。