基于視覺詞袋模型的圖像標(biāo)注研究.pdf

1、在現(xiàn)代社會信息化程度不斷提高的同時，計算機及各種信息處理設(shè)備與技術(shù)的發(fā)展也日新月益。在這一進(jìn)程中，人們對數(shù)字圖像的需求呈現(xiàn)出爆炸式的增長，而如何有效地對數(shù)字圖像進(jìn)行檢索也因此成為了人們關(guān)注的熱點。按照人類的認(rèn)知習(xí)慣，根據(jù)數(shù)字圖像所包含的語義內(nèi)容對其進(jìn)行語義關(guān)鍵字的標(biāo)注，從而將對數(shù)字圖像的檢索轉(zhuǎn)化為成熟的文本檢索，是對數(shù)字圖像實現(xiàn)高效檢索的必要手段。
　　如何利用計算機自動地識別圖像的語義內(nèi)容并進(jìn)行標(biāo)注，是近年來計算機視覺和多媒體研

2、究領(lǐng)域中一個亟待解決的難點。由于數(shù)字圖像本身存在非結(jié)構(gòu)性、語義復(fù)雜性、含糊性等特點使得低層視覺特征和高層語義之間存在著“語義鴻溝”。如何利用計算機技術(shù)填平語義鴻溝，具有巨大的挑戰(zhàn)性。
　　視覺詞袋模型（Bag-of-Visual-Word，BoVW）作為計算機視覺研究領(lǐng)域的通用的建模方法，具有良好的適用性和實現(xiàn)的簡潔性、高效性，在圖像標(biāo)注的應(yīng)用研究中廣泛使用并有出色的表現(xiàn)。但由于BoVW模型的基礎(chǔ)性問題存在，其距離實際應(yīng)用還有相當(dāng)

3、的差距。
　　本文針對視覺單詞的量化誤差、映射損失等問題進(jìn)行了研究并提出相應(yīng)的改進(jìn)算法，為基于BoVW的圖像標(biāo)注研究提供了有意義的探索。
　　本文的成果和創(chuàng)新之處包括以下幾點：
　　1．針對BoVW模型建模圖像標(biāo)注的量化誤差與視覺單詞含糊性等缺點，提出了一種基于BoVW的視覺單詞模糊計權(quán)與映射方案FWS（Fuzzy Weighting Scheme）。FWS在訓(xùn)練樣本集的預(yù)聚類基礎(chǔ)上，逐聚類訓(xùn)練單類支持向量機OC-SV

4、M并得到視覺單詞映射函數(shù)。根據(jù)樣本特征與聚類超球球心的距離函數(shù)及聚類超球的空間分布確定視覺單詞映射及權(quán)重，并以此提高視覺單詞的表達(dá)力、區(qū)別力。基于兩個不同圖像實驗集的實驗結(jié)果不僅驗證了FWS的良好泛化性能，而且圖像標(biāo)注準(zhǔn)確性相比TF和VWA分別有從16％到34%和從17%到30%的提高。
　　2．提出了一種基于改進(jìn)的視覺詞袋模型BoVW的圖像標(biāo)注方法--多尺度空間優(yōu)化視覺詞袋模型Msso-BoVW(Multiple scale s

5、pace optimization Bag-of-Visual-Word)。針對傳統(tǒng)BoVW模型對尺度變化較為敏感的問題，Msso-BoVW在圖像的內(nèi)容分析時引入了圖像的多尺度特征信息。Msso-BoVW對圖像數(shù)據(jù)進(jìn)行線性多尺度變換，并依尺度構(gòu)建多個層次化的視覺詞匯表；最終將圖像表示為不同尺度的特征直方圖。依據(jù)各尺度特征的區(qū)別力，結(jié)合多核學(xué)習(xí)的方法優(yōu)化各尺度特征直方圖的相應(yīng)權(quán)重，從而獲取針對分類的、最具區(qū)別力的視覺特征表示。在Calte