基于場(chǎng)景語(yǔ)義圖像標(biāo)注關(guān)鍵技術(shù)的研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展以及互聯(lián)網(wǎng)應(yīng)用的興起,如何有效地管理與檢索圖像已成為目前信息檢索領(lǐng)域中的重要課題。由于傳統(tǒng)的基于內(nèi)容的圖像檢索方式無(wú)法解決“語(yǔ)義鴻溝”(低層的視覺(jué)特征與高層的語(yǔ)義表達(dá)存在巨大的差異)問(wèn)題,基于語(yǔ)義的圖像檢索正逐漸成為研究的熱點(diǎn)?；谡Z(yǔ)義的圖像檢索的關(guān)鍵和難點(diǎn)在于基于語(yǔ)義的圖像標(biāo)注。本文回顧了圖像標(biāo)注的發(fā)展歷程及其各自的基本理論的優(yōu)缺點(diǎn),全面綜述了基于語(yǔ)義的圖像標(biāo)注的研究現(xiàn)狀。本文的工作主要體現(xiàn)在:
　　 提出

2、了一種基于概率潛在語(yǔ)義分析與高斯混合模型相結(jié)合的自動(dòng)語(yǔ)義圖像標(biāo)注方法。該方法主要包括圖像低層視覺(jué)特征提取、利用概率潛在語(yǔ)義分析技術(shù)對(duì)訓(xùn)練圖像進(jìn)行潛在語(yǔ)義發(fā)現(xiàn)、圖片的高斯混合模型表示等過(guò)程。首先,將訓(xùn)練集中的每一幅圖像都看成是一篇文檔,將對(duì)圖像進(jìn)行標(biāo)注的關(guān)鍵字看成是文檔中所含有的詞匯,將通過(guò)上述方式構(gòu)建得到的“文檔-詞匯”矩陣作為概率潛在語(yǔ)義分析模型的輸入值,通過(guò)期望最大值算法對(duì)概率潛在語(yǔ)義分析模型進(jìn)行擬合,得到模型參數(shù),并以此作為依據(jù)來(lái)

3、對(duì)圖像進(jìn)行類別劃分和提取圖像的潛在語(yǔ)義。其次,通過(guò)圖像分割技術(shù)將每幅圖像都分割成幾個(gè)均勻的區(qū)域,將同一類別下每幅圖像的各個(gè)區(qū)域都看成是特征空間中的一個(gè)點(diǎn),提取每個(gè)區(qū)域的特征向量并通過(guò)期望最大值算法對(duì)其進(jìn)行聚類,得到表示每一個(gè)圖像類別的高斯混合模型。最后,計(jì)算測(cè)試圖像在每個(gè)高斯混合模型中后驗(yàn)概率的大小,并結(jié)合該圖像類別下關(guān)鍵字的分布規(guī)律來(lái)對(duì)測(cè)試圖像進(jìn)行語(yǔ)義標(biāo)注。
　　 本文提出的圖像語(yǔ)義標(biāo)注方法不需要事先知道訓(xùn)練圖像的分類信息,在