基于內(nèi)容圖像檢索中圖像語(yǔ)義分類技術(shù)研究.pdf

1、圖像語(yǔ)義分類是基于內(nèi)容圖像檢索(Content-BasedImageRetrieval，CBIR)研究領(lǐng)域中一個(gè)重要而又有挑戰(zhàn)性的問題。圖像和視頻正在成為多媒體的主要表現(xiàn)形式，將圖像數(shù)據(jù)庫(kù)劃分為有意義的語(yǔ)義類別成為迫切的需要。傳統(tǒng)CBIR技術(shù)試圖通過分析圖像視覺特征的相似性來(lái)檢索圖像，這不能滿足普通人按語(yǔ)義檢索圖像的需求?；诘图?jí)圖像特征將圖像集合按語(yǔ)義進(jìn)行合理的分類，會(huì)極大提高CBIR系統(tǒng)的性能。本文主要研究基于圖像低級(jí)視覺特征的圖像

2、語(yǔ)義分類。 本文首先介紹傳統(tǒng)CBIR的研究?jī)?nèi)容、系統(tǒng)組成和實(shí)際系統(tǒng)。詳細(xì)闡述作為圖像語(yǔ)義分類基礎(chǔ)的顏色、紋理、形狀、空間關(guān)系等低級(jí)圖像特征，并討論圖像語(yǔ)義分類的主流技術(shù)。針對(duì)傳統(tǒng)CBIR的不足，介紹了圖像語(yǔ)義檢索的主要技術(shù)。 圖像語(yǔ)義模型是對(duì)圖像整個(gè)語(yǔ)義表示和處理過程的抽象，也提供可行的研究方向。貝葉斯概率框架是一種將先驗(yàn)概率轉(zhuǎn)化為后驗(yàn)概率的理論框架，通過形式化的圖像分類概率框架可以將低級(jí)圖像特征映射到已有的高層語(yǔ)義。

3、 圖像全局特征的表現(xiàn)形式多種多樣，是圖像語(yǔ)義分類的重要基礎(chǔ)。本文基于單個(gè)圖像全局特征提出一種新的圖像語(yǔ)義分類方法，借鑒相關(guān)反饋機(jī)制的基本思想獲得候選圖像全局特征集合中具有最優(yōu)“判別能力”的單個(gè)特征，還應(yīng)用基于傳統(tǒng)攝影學(xué)理論的空間分塊策略。本文實(shí)現(xiàn)室內(nèi)/室外和城市/風(fēng)景兩個(gè)圖像分類器，并結(jié)合在大型圖像數(shù)據(jù)庫(kù)上的試驗(yàn)結(jié)果深入分析該圖像語(yǔ)義分類算法。 多種圖像全局特征也可以同時(shí)應(yīng)用于圖像語(yǔ)義分類。在分析使用多種圖像全局特征優(yōu)點(diǎn)的

4、基礎(chǔ)上，本文提出基于多種圖像全局特征并和圖像特征空間分布信息相融合的圖像語(yǔ)義分類方法。結(jié)合多種圖像特征和空間分布信息產(chǎn)生新的圖像特征表示，并應(yīng)用一種增量學(xué)習(xí)方法改進(jìn)算法的性能。試驗(yàn)結(jié)果表明該算法特別適用于特征空間分布相對(duì)固定的室內(nèi)/室外等具體圖像語(yǔ)義分類問題。 圖像局部特征往往對(duì)應(yīng)著特定的語(yǔ)義類別。本文提出利用動(dòng)態(tài)外觀模型(ActiveAppearanceModel)來(lái)描述同一語(yǔ)義類別圖像中外觀相似物體的方法。通過搜索圖像中外觀