基于內(nèi)容的圖像收集和地區(qū)代表性圖像選出系統(tǒng)的研究與實現(xiàn).pdf

1、隨著英特網(wǎng)的發(fā)展，數(shù)字攝影的流行，公共媒體共享站點（如Flickr，YouTube等）的出現(xiàn)，網(wǎng)絡社區(qū)貢獻的多媒體資源與日俱增。這些資源信息擁有不可估計的深度和廣度，給多媒體研究帶來了新的機遇和挑戰(zhàn)。如何從這些資源信息中分析、理解并且挖掘出通用模式以及如何利用這些網(wǎng)絡社區(qū)貢獻的非結(jié)構(gòu)化組織的并且不受限制的媒體資源來提煉出“語義知識”已經(jīng)成為一個新的研究課題。 針對上述問題，本文提出了一個新穎的研究課題，即地區(qū)代表性圖像的選出。通

2、過利用大規(guī)模附有地理標識的圖像資源庫，為世界范圍內(nèi)不同地區(qū)的事物對象類別選出有代表性的圖像，這對人們理解同一類事物在不同地區(qū)表現(xiàn)出來的差異性具有重要的現(xiàn)實意義。 本文具體的研究工作主要包括以下幾個方面。首先對基于內(nèi)容的圖像收集進行了深入研究，旨在為一般事物對象語義類別構(gòu)建出一個豐富的圖像資源信息庫。在圖像收集上，本文提出了基于內(nèi)容的圖像視覺特征聚類分析方法，利用融合的圖像全局顏色特征和局部Bag-of-visual-words特

3、征，對視覺無關聯(lián)圖像進行了有效的過濾，進而得到與事物對象類別最相關的圖像集。然后，重點討論了在對象分類識別中應用廣泛的概率潛在語義分析（Probabilistic Latent SemanticAnalysis，PLSA）模型。最后，利用此模型分析方法，基于之前收集到的圖像資源，針對生活中幾類比較流行的事物對象類別，實現(xiàn)了其在典型地區(qū)有代表性的圖像的選出。 本文的研究成果對如何有效的利用網(wǎng)絡社區(qū)貢獻的大規(guī)模媒體資源庫提煉出語義知