基于中層語義特征的圖像場(chǎng)景分類研究.pdf

1、隨著網(wǎng)絡(luò)與多媒體技術(shù)的快速發(fā)展,圖像數(shù)據(jù)發(fā)生爆炸性增長(zhǎng),基于內(nèi)容的數(shù)字圖像操作越來越多,給人們對(duì)圖像的管理帶來巨大挑戰(zhàn)。面對(duì)海量圖像數(shù)據(jù),傳統(tǒng)依靠人工操作對(duì)圖像進(jìn)行分類與標(biāo)注的管理方式因其耗費(fèi)大量人力而不可行。利用計(jì)算機(jī)按照人類的理解方式自動(dòng)將圖像分類到不同語義類別成為一個(gè)緊迫任務(wù)。
　　 圖像場(chǎng)景是基于圖像理解的眾多高層語義中重要一種,它不僅包含人們對(duì)一幅圖像的總體認(rèn)識(shí),還提供了圖像對(duì)象出現(xiàn)的上下文語義環(huán)境,為進(jìn)一步識(shí)別圖像對(duì)

2、象提供基礎(chǔ)。圖像場(chǎng)景分類已成為當(dāng)前計(jì)算機(jī)視覺和多媒體信息管理領(lǐng)域的熱點(diǎn)問題。
　　 圖像場(chǎng)景分類根據(jù)圖像內(nèi)容自動(dòng)將圖像分到不同場(chǎng)景類別(如:城市、森林、海岸等)。場(chǎng)景分類通常分為兩種:基于底層特征的場(chǎng)景分類和基于中層語義的場(chǎng)景分類。底層特征直接描述圖像語義信息能力較差,在向高層語義抽象時(shí)存在語義鴻溝,需要一種中間語義作為底層特征與高層語義的過渡。
　　 本文主要研究?jī)?nèi)容及創(chuàng)新有以下幾點(diǎn):
　　 1、提出多種特征點(diǎn)

3、融合的SIFT特征提取算法。該算法在傳統(tǒng)SIFT的基礎(chǔ)上,增加部分偽極值點(diǎn)和非極值點(diǎn)作為感興趣點(diǎn),可以獲得更多的特征點(diǎn),并使特征點(diǎn)在圖像上分布更均勻。
　　 2、提出層次聚類視覺詞典構(gòu)建算法。該算法在生成視覺詞典前對(duì)每幅圖像特征單獨(dú)進(jìn)行一次聚類,可以使視覺單詞包含更多的場(chǎng)景信息,并大大縮短視覺詞典生成時(shí)間。
　　 3、采用軟分配量化SIFT特征。該算法將一個(gè)SIFT特征分配到多個(gè)視覺單詞上,更符合圖像特征本質(zhì)。