基于多種圖像特征的圖像標注研究.pdf

1、隨著計算機網絡和多媒體信息技術的飛速發(fā)展，在生活中人們可以接觸并獲取到的圖像數據也在不斷增長。而移動互聯網技術的大規(guī)模應用更是讓人們可以隨時隨地上傳并在網絡上分享自己獲取到的圖像信息。由于圖像數據本身的特性，導致圖像數據不能像文本數據一樣被有效分析和管理，從而使得圖像數據在信息檢索中不能被有效利用，而傳統(tǒng)的通過人工對圖像進行標注的方式也逐漸與時代的發(fā)展脫節(jié)。同時，由于人工或眾包的方式對圖像進行標注存在花費巨大，時間成本高，且根據個人理解

2、不同可能導致對圖像的標注可能產生分歧等多種缺點。除此以外，文本存在不同語言，而圖像是跨越語言的，因此，直接對圖像進行標注可以有效解決不同語言進行標注的難題。否則，用戶將難以通過直接檢索的方法獲取到自己所需要的圖像數據。在這種情況下，如何通過計算機實現對圖像數據有效的自動化標注，以便后期進行分析、管理和檢索圖像數據逐漸成為近年來研究的熱點問題。圖像標注是進行圖像檢索中的一個重要環(huán)節(jié)，這個環(huán)節(jié)融合了計算機視覺、模式識別、圖像處理等多種新技術

3、。本文針對如何利用計算機對圖像數據進行自動標注的問題，嘗試利用從圖片中獲取到的圖像特征描述符來描述圖片內容，進行了圖像特征學習的深入研究。由于單個圖像特征可能不能完整全面的描述圖像的內容，因此本文使用了多種圖像特征描述符，將多種圖像特征結合起來進行綜合考慮，得到利用圖像多種特征進行圖像自動標注的初步成果。
　　本研究主要內容包括：⑴分析了對圖像進行自動標注的整體流程，并對測試圖像提取多種特征而不是單一特征進行研究。綜合利用Colo

4、rhist特征、GIST特征、SIFT特征等不同的圖像特征描述符對圖像內容的不同方面進行描述，打破使用單一特征對進行內容描述的局限。⑵利用機器學習中的多模態(tài)學習方法來訓練，充分利用不同圖像特征與對應圖像之間的聯系，建立起圖像特征向量與圖像內容的關系。由于同樣的概念在不同圖片中總存在一些相似或一致的特征，因此將單獨的圖像特征作為不同的模態(tài)，每次對一個概念進行訓練，便可以得到概念對應的模態(tài)特征，從而得到對應概念的分類器。⑶由于在高維數的情況