基于圖像內(nèi)容的底層特征與高層語(yǔ)義的關(guān)聯(lián)研究及應(yīng)用.pdf

1、隨著計(jì)算機(jī)技術(shù)、多媒體技術(shù)和國(guó)際互聯(lián)網(wǎng)的飛速發(fā)展，包括圖像在內(nèi)的各種多媒體數(shù)據(jù)的數(shù)量正在快速增長(zhǎng)。在人們擁有了對(duì)海量信息共享機(jī)會(huì)的時(shí)候，如何有效地、快速地從大規(guī)模的圖像數(shù)據(jù)庫(kù)中檢索出需要的圖像是目前的一個(gè)迫切問題?；趦?nèi)容的圖像檢索技術(shù)正是解決這一問題的有效途徑。本文主要針對(duì)基于內(nèi)容的圖像分析與檢索中的關(guān)鍵技術(shù)展開基礎(chǔ)研究，并積極實(shí)踐。 基于內(nèi)容的圖像檢索中，針對(duì)圖像的底層可視特征與高層語(yǔ)義特征之間的鴻溝，運(yùn)用了一種新的基于模糊

2、支持向量機(jī)(FSVM)的語(yǔ)義關(guān)聯(lián)方法。一方面，對(duì)圖像底層特征的提取進(jìn)行研究，使色彩空間中的非均勻量化算法更符合人的視覺感知特性和主觀感受，并有效地降低了算法復(fù)雜度，提高了語(yǔ)義關(guān)聯(lián)效率；另一方面，對(duì)圖像檢索中的底層特征與高層語(yǔ)義之間的關(guān)聯(lián)進(jìn)行分析，從機(jī)器學(xué)習(xí)的角度提出了一種新的基于模糊支持向量機(jī)(FSVM)的語(yǔ)義關(guān)聯(lián)方法，進(jìn)而用于語(yǔ)義關(guān)聯(lián)中改進(jìn)了系統(tǒng)的性能。并與基于支持向量機(jī)(SVM)的語(yǔ)義關(guān)聯(lián)方法相比較，重點(diǎn)分析了支持向量機(jī)語(yǔ)義關(guān)聯(lián)中存

3、在的誤分、拒分現(xiàn)象，在傳統(tǒng)支持向量機(jī)中引入模糊隸屬度函數(shù)，解決了不可分區(qū)域問題。另外,還對(duì)圖像底層特征的選取做了實(shí)驗(yàn)和比較。通過對(duì)圖像底層特征的分析，提取了顏色和形狀特征向量(221維)，將它們作為模糊支持向量機(jī)的輸入向量，對(duì)圖像類進(jìn)行學(xué)習(xí)，建立圖像底層特征與高層語(yǔ)義的關(guān)聯(lián)。并應(yīng)用于鳥類、花卉、海洋以及建筑物等幾個(gè)典型的語(yǔ)義類別檢索，實(shí)驗(yàn)結(jié)果表明，該方法可適應(yīng)于不同用戶的圖像檢索，在相同的條件下可以達(dá)到比支持向量機(jī)方法更為理想的語(yǔ)義關(guān)聯(lián)