圖像語(yǔ)義特征的提取與分析.pdf

1、隨著網(wǎng)絡(luò)和多媒體技術(shù)的發(fā)展，出現(xiàn)了眾多的圖像數(shù)據(jù)庫(kù)，且圖像數(shù)據(jù)庫(kù)的圖像數(shù)量也在急劇地增加。用戶(hù)越來(lái)越迫切地需要對(duì)大型圖像數(shù)據(jù)庫(kù)進(jìn)行檢索?；趦?nèi)容的圖像檢索技術(shù)（CBIR）得到了蓬勃發(fā)展，但是傳統(tǒng)的CBIR系統(tǒng)沒(méi)有考慮圖像的語(yǔ)義信息。另一方面，由于特征維數(shù)高，運(yùn)算復(fù)雜度高，從提高檢索精度或分類(lèi)正確率的角度而言，都不可能將所有提取的特征都能用于檢索或分類(lèi)。因此，對(duì)圖像語(yǔ)義特征進(jìn)行分析和選擇成為這一領(lǐng)域最前沿的研究熱點(diǎn)之一?；诜诸?lèi)器的分類(lèi)錯(cuò)

2、誤率和類(lèi)內(nèi)類(lèi)間距離測(cè)度是常用的圖像特征分析和選擇的方法。但是基于分類(lèi)錯(cuò)誤率的方法在實(shí)際運(yùn)用中運(yùn)算復(fù)雜，且特征分析的結(jié)論依賴(lài)所選擇的分類(lèi)器的種類(lèi)，而用距離準(zhǔn)則分析圖像特征的方法沒(méi)有考慮各類(lèi)的概率分布，不能確切表明各類(lèi)交疊的情況。 鑒于此，本文提出從信息論的互信息概念出發(fā)，詳細(xì)深入地分析多種語(yǔ)義類(lèi)別的圖像特征間的互補(bǔ)或冗余關(guān)系以及特征的鑒別力，確定特征的選擇和拒絕條件。該方法理論基礎(chǔ)強(qiáng)，從特征含類(lèi)別的信息量的多少來(lái)分析特征的鑒別力，

3、表達(dá)了圖像特征與類(lèi)別之間的內(nèi)在聯(lián)系，并且不依賴(lài)于分類(lèi)器，與類(lèi)別的分布情況也無(wú)關(guān)，推廣性和實(shí)用性都較強(qiáng)。 本文首先介紹了基于內(nèi)容的圖像檢索技術(shù)的發(fā)展現(xiàn)狀、系統(tǒng)構(gòu)架以及關(guān)鍵技術(shù)基礎(chǔ)。針對(duì)傳統(tǒng)CBIR技術(shù)的不足，介紹了基于語(yǔ)義的圖像分類(lèi)技術(shù)。詳細(xì)闡述了圖像語(yǔ)義特征的提取方法。 在提取多種圖像語(yǔ)義特征的基礎(chǔ)上，提出采用互信息的方法分別研究單一的語(yǔ)義特征和多種特征組合的鑒別力，并分析特征之間的互補(bǔ)或冗余關(guān)系，從而進(jìn)行特征的選擇?；?/p>

4、于分類(lèi)器分類(lèi)錯(cuò)誤率和歐氏類(lèi)內(nèi)類(lèi)間距離的實(shí)驗(yàn)結(jié)果均反映了使用互信息進(jìn)行特征分析和選擇的這種新方法的正確性和有效性。研究確定的針對(duì)風(fēng)景/人物類(lèi)別的最佳特征是HSV顏色直方圖+Luv顏色聚合矢量+Tamura紋理特征的組合特征，針對(duì)室內(nèi)/室外類(lèi)別的最佳特征是改進(jìn)的Lab顏色矩+Luv顏色聚合矢量的組合特征，針對(duì)建筑物/風(fēng)景類(lèi)別的最佳特征是邊界方向聚合矢量。將這一分析結(jié)果應(yīng)用到一種分等級(jí)的圖像數(shù)據(jù)庫(kù)的簡(jiǎn)單語(yǔ)義分類(lèi)，其分類(lèi)正確率達(dá)到82.17％，