基于視覺語言模型的蒙古文古籍圖像檢索技術研究.pdf

1、隨著數(shù)字化技術的發(fā)展，在內(nèi)蒙古自治區(qū)，越來越多的蒙古文古籍被轉(zhuǎn)成數(shù)字圖像，以便長久保存。但是以圖像格式保存的吉籍文檔沒有索引信息，無法實現(xiàn)全文檢索，因此制約了古籍文獻資料的傳播與利用。本文關注蒙古文古籍圖像檢索技術，這為挖掘與利用蒙古文古籍提供便利。
　　在圖像檢索領域，視覺詞袋模型是近年來圖像檢索中最常使用的模型。然而視覺詞袋模型有兩個缺陷:一是視覺單詞之間缺乏語義信息，這導致人對圖像的相似性判別與計算機之間存在差異，也就是著名

2、的“語義鴻溝”問題;二是視覺單詞之間相互獨立，忽略了相鄰視覺單詞之間的空間信息。本文針對這兩個缺陷，提出了解決方法，具體如下:
　　(1)針對視覺詞袋模型中視覺單詞之間缺少語義信息的問題，提出了視覺語言模型。首先，將掃描得到的蒙古文《甘珠爾經(jīng)》圖像切割成獨立的單詞圖像。其次，從每個單詞圖像中提取局部描述子（即:視覺單詞），并將單詞圖像表示成視覺單詞的概率分布。其中，平滑策略被用于處理零概率問題。再次，根據(jù)給定的查詢單詞圖像，采用查

3、詢似然模型計算查詢單詞圖像與待檢索單詞圖像間的相似度。最終，按照相似度降序可以生成一個單詞圖像列表，作為檢索結(jié)果。
　　(2)我們將視覺單詞的空間信息和語義信息相結(jié)合，提出了空間視覺語言模型用于表示單詞圖像。首先，將每個單詞圖像沿著行、列方向劃分為多個等大小的子區(qū)域。根據(jù)蒙古文的書寫方式，我們確定了一種適合于蒙古文單詞圖像的子區(qū)域劃分方式。其次，在每個子區(qū)域中分別構(gòu)建視覺語言模型。然后，在單詞圖像匹配過程中，只有對應子區(qū)域的視覺語