基于模糊支持向量機(jī)的圖像分類(lèi)與語(yǔ)義索引.pdf

1、基于內(nèi)容的圖像檢索(Content Based Image Retrieval，CBIR)是一個(gè)熱門(mén)的研究領(lǐng)域，取得了許多令人矚目的成就，且發(fā)展勢(shì)頭異常迅猛。圖像語(yǔ)義索引是基于內(nèi)容的圖像檢索研究領(lǐng)域中一個(gè)重要而又有挑戰(zhàn)性的問(wèn)題。圖像和視頻正在成為多媒體的主要表現(xiàn)形式，實(shí)現(xiàn)圖像內(nèi)容的語(yǔ)義索引成為迫切的需要。由于傳統(tǒng)的手工標(biāo)注索引不僅需要耗費(fèi)巨大的人力物力，效率低下，無(wú)法應(yīng)付增長(zhǎng)速度遠(yuǎn)遠(yuǎn)超過(guò)預(yù)計(jì)的圖像庫(kù)，而且在對(duì)圖像語(yǔ)義索引標(biāo)注的過(guò)程中易受

2、到人為的非客觀因素的影響。因此，圖像的自動(dòng)語(yǔ)義索引成為了支持圖像語(yǔ)義檢索的一個(gè)重要技術(shù)。 由于傳統(tǒng)的支持向量機(jī)(Support Vector Machine，SVM)作為典型的二元分類(lèi)器，在處理多類(lèi)分類(lèi)問(wèn)題時(shí)存在不可分樣本的問(wèn)題，本文引入模糊支持向量機(jī)(Fuzzy Support Vector Machine，F(xiàn)SVM)，通過(guò)定義模糊隸屬度函數(shù)來(lái)彌補(bǔ)傳統(tǒng)支持向量機(jī)在解決多類(lèi)分類(lèi)問(wèn)題時(shí)的不足。 鑒于模糊支持向量機(jī)在多類(lèi)分類(lèi)

3、問(wèn)題中的出色表現(xiàn)，本文將其應(yīng)用于圖像語(yǔ)義索引領(lǐng)域中，在圖像分類(lèi)思想的基礎(chǔ)上，提出了一種新的圖像語(yǔ)義索引方法。為了更加準(zhǔn)確地索引圖像，本文借鑒人類(lèi)基于圖元的圖像內(nèi)容理解思想，即首先是對(duì)圖像中感興趣的、典型的、有意義圖像塊的認(rèn)識(shí)(本文將這些圖像塊稱(chēng)之為圖元)，然后再通過(guò)對(duì)整幅圖像中圖元之間的空間結(jié)構(gòu)關(guān)系、布局以及更高層的語(yǔ)義理解，綜合成對(duì)整幅圖像的理解，提出了加權(quán)圖像金字塔結(jié)構(gòu)。 在語(yǔ)義索引的過(guò)程中，模糊支持向量機(jī)主要用于訓(xùn)練概念模