面向網(wǎng)絡的圖像搜集與目標標記.pdf

1、互聯(lián)網(wǎng)的迅速發(fā)展，尤其是像微博、Facebook之類的個人主頁更增加了人們將照片上傳到網(wǎng)上的積極性，同時可移動攝像設備的普及使得人們隨時隨地能夠拍照并將照片上傳到網(wǎng)上，這兩個因素加起來使得網(wǎng)上的圖像數(shù)量呈爆炸式增長，而且圖像種類變得豐富多彩。利用網(wǎng)上的各種搜索引擎和相關技術讓我們能夠搜集到成千上萬的圖像。另一方面，在計算機視覺的模型構建中，圖像庫始終扮演著舉足輕重的角色，在訓練階段和測試階段都影響著計算機視覺模型的性能。現(xiàn)存的圖像庫的標

2、記工作多為人工手工標記，但是這種標記方式耗費了大量的人力物力，本文就構建一個自動標記的圖像庫做了深入的研究工作，這涉及到兩個階段，即過濾掉噪聲圖像，和目標的自動標記工作。在噪聲圖像的過濾階段，我們按照形狀、顏色和紋理結合分類器對從網(wǎng)絡上搜集的圖像進行了相關度的重新排序，以此方法提高了目標圖像的純度。在目標標記階段，我們使用多分割和主題模型來進行目標標記。本文的研究工作如下:
　　1、提出了一種基于多特征分類器投票機制的網(wǎng)絡圖像重排

3、機制。使用形狀、顏色、紋理這三種特征對圖像進行描述，然后將不同特征結合分類器，按照三個分類器投票得出的置信值對網(wǎng)絡圖像進行相關性重排以過濾噪聲圖像，提高相關性圖像的純度。
　　2、實現(xiàn)了一種基于LDA的目標自動標記算法。在目標標記階段，將圖像使用分割算法進行多次分割，將分割片以詞袋模型進行表示，借助主題模型進行目標標記。
　　將本文的算法應用到從網(wǎng)絡上搜集的10個類的一般目標類圖像上，并從主觀和客觀的衡量指標可知，本文算法在