基于圖像分割和區(qū)域語義相關(guān)性的圖像標注算法研究.pdf

1、隨著計算機技術(shù)、網(wǎng)絡技術(shù)和智能通訊技術(shù)的飛速發(fā)展，大量的圖像數(shù)據(jù)在網(wǎng)絡上廣泛傳播，并且呈現(xiàn)爆炸式增長，如何有效地管理和利用這些圖像資源已經(jīng)成為當前面臨的一項難題。雖然人們在圖像檢索領(lǐng)域已經(jīng)取得了不少成果，但是仍然存在很多問題。基于文本的圖像檢索由于效率低和人為主觀性早已無法滿足當前大數(shù)據(jù)時代的需求;基于內(nèi)容的圖像檢索由于無法解決“語義鴻溝”問題而阻礙了其發(fā)展;基于語義的自動圖像標注是當前圖像檢索領(lǐng)域的主要發(fā)展方向，研究者在該領(lǐng)域做了很多

2、研究和探索，但是仍然面臨著很多技術(shù)難題。針對圖像檢索領(lǐng)域的研究現(xiàn)狀和發(fā)展趨勢以及當前所面臨的諸多難題，本文提出了一系列有效的改進方法，主要有以下幾點:
　　(1)基于語義的自動圖像標注需要利用圖像分割算法對圖像進行預處理，并且準確而有效的進行圖像分割，對后面圖像特征提取以及標注模型的構(gòu)建非常重要。本文提出了一種改進的圖像分割算法，該算法的基本思想是:首先使用Mean Shift算法對圖像進行預分割，由于Mean Shift算法對圖

3、像邊緣比較敏感，因而可以很好的提取出圖像的邊緣信息，但是該算法也很容易產(chǎn)生很多小的區(qū)域，針對這一缺點，本文利用Ncut算法對上一步得到的圖像區(qū)域進行進一步處理，由于Ncut算法總是傾向于得到較大的圖像區(qū)域，因而可以解決Mean Shift的過分割問題，并且由于Ncut處理的是已經(jīng)分割好的圖像區(qū)域，而不是像素點，所以大大減少了計算量，提高了算法性能，然而Ncut算法也存在一定的不足，該算法是一個NP難題，進行分割之前需要首先指定分割區(qū)域個

4、數(shù)，如果該參數(shù)設置不當，也很容易產(chǎn)生過分割和欠分割現(xiàn)象，因而本文利用區(qū)域合并與分裂算法對Ncut處理后得到的分割結(jié)果進行進一步校正，對過分割區(qū)域進行合并，對欠分割區(qū)域進行分裂，盡可能提高圖像分割結(jié)果的準確度。
　　(2)本文提出了一種結(jié)合區(qū)域語義相關(guān)性和高斯混合模型的改進圖像語義標注方法。傳統(tǒng)的高斯混合模型都是直接根據(jù)語義后驗概率的大小來得到圖像標注結(jié)果:一種是直接選擇語義后驗概率較大的N個語義詞作為圖像的標注結(jié)果，另一種是直接選

5、擇語義后驗概率大于某個閾值的語義詞作為圖像標注結(jié)果。而這種方法得到的標注結(jié)果并不準確，很容易產(chǎn)生一些多余的或者錯誤的標注詞，影響標注結(jié)果的準確度。而且考慮到模型中的“語義鴻溝”問題，后驗概率的大小并不能完全決定其權(quán)重，僅依據(jù)后驗概率進行分類決策可能存在較大誤差。針對以上問題，本文提出了一種基于區(qū)域語義相關(guān)性的GMM圖像標注方法，將各區(qū)域之間的語義相關(guān)性融合到GMM模型中進行綜合決策，對該模型的標注結(jié)果進行有效的校準和優(yōu)化，從而提高標注結(jié)