圖像的語義標注及其改善問題研究.pdf

1、隨著數(shù)碼照相機、具有照相功能的手機等設(shè)備的迅速普及，數(shù)字圖像呈現(xiàn)出爆炸式地增長趨勢，而且隨著互聯(lián)網(wǎng)的飛速發(fā)展，越來越多的人能夠更加方便、快捷、經(jīng)濟地使用這些圖像數(shù)據(jù)。目前面臨的問題不再是缺少圖像數(shù)據(jù)資源，而是如何在浩如煙海的圖像數(shù)據(jù)中找到自己所需要的信息。如何對規(guī)模龐大的數(shù)字圖像進行快速高效的檢索，成為亟待解決的問題。現(xiàn)有的圖像檢索系統(tǒng)主要利用圖像的語義標注詞進行基于語義的圖像檢索，但是隨著圖像數(shù)量的激增，人()進行圖像標注顯然不現(xiàn)實。

2、因此，對圖像進行自動語義標注成為圖像檢索領(lǐng)域的重要問題，得到了學術(shù)界和企業(yè)界越來越多的關(guān)注。鑒于已有圖像標注方法的標注準確性還未達到令人滿意的程度，因此如何對已標注圖像進行標注結(jié)果的優(yōu)化與改善成為了圖像的語義標注這一研究領(lǐng)域的重要問題之一。本文針對不同類型的圖像，提出了一系列有針對性的語義標注以及語義標注改善的方法，主要研究成果和創(chuàng)新點表現(xiàn)在以下五個方面：
　　 ⑴提出了一種基于LDA主題模型的圖像標注方法。首先，利用圖像訓練集

3、建立一個視覺詞袋模型，并利用LDA模型計算待標注圖像和標注詞詞典中各標注詞之間的相關(guān)度，從而獲得圖像的初始標注。接下來，提出一種基于搜索的標注詞擴展方法，將初始標注提交到圖像搜索引擎，從搜索引擎返回的結(jié)果中選取與待標注圖像相似的圖像，進而從這些相似圖像的周邊文本中獲取圖像的擴展標注詞。最后，將初始標注詞集合和擴展標注詞集合進行合并，獲得最終標注。
　　 ⑵提出了一種面向社會網(wǎng)絡(luò)圖像共享社區(qū)的圖像標注方法。該類網(wǎng)站允許用戶在上傳圖

4、像時為圖像提供標簽，我們利用用戶提供的標簽對圖像進行語義標注。首先，將待標注圖像分割后的圖像區(qū)域作為樣例數(shù)據(jù)點，對用戶提供的標簽進行過濾后得到圖像的初始標簽，并將其所對應(yīng)的圖像視覺特征作為待排序的數(shù)據(jù)點，利用流形排序算法對圖像的初始標簽進行排序。接下來，利用Flickr提供的API函數(shù)以及加權(quán)投票策略對排序位次高的初始標簽進行擴展，從而得到擴展標簽。最后，將排序位次高的初始標簽集合和擴展標簽集合合并，得到圖像的最終標灃。
　　

5、⑶提出了一種面向圖像共享社區(qū)中個人相冊的圖像標注方法。首先，利用位置敏感哈希函數(shù)將圖像的SIFT描述符映射到哈希桶中，并將每個哈希桶看作直方圖的一個柱，把待標注圖像轉(zhuǎn)化為直方圖，通過計算直方圖的距離得到兩幅圖像之間的視覺相似度，從而對個人相冊進行去除重復圖像的處理。然后，利用圖像的視覺特征和圖像GPS坐標構(gòu)造三分圖，通過對三分圖的劃分進行個人相冊中圖像的聚類。將Core15K數(shù)據(jù)集作為訓練集，建立視覺詞袋模型，為該數(shù)據(jù)集標注詞詞典中的每

6、個標注詞求出與之對應(yīng)的視覺詞語向量。對個人相冊聚類后得到的圖像簇，通過視覺詞袋模型求出圖像簇所對應(yīng)的視覺詞語向量，從訓練集的標注詞詞典中選擇與其相關(guān)度高的詞作為圖像簇的標注。
　　 ⑷提出了一種基于二分圖增強學習算法以及概念本體推理的層次化Web圖像標注方法。首先，從Web頁面中抽取圖像的初始標注，通過概念本體對初始標注進行推理，將初始標注和經(jīng)過概念本體推理得到的層次化擴展標注作為圖的頂點，構(gòu)造二分圖。然后，通過二分圖增強學習算

7、法對初始標注和擴展標注進行排序，并提出了一個標注詞選擇策略，從排序后的初始標注詞集和擴展標注詞集中選取圖像的最終標注詞。
　　 ⑸提出了一種基于圖劃分和圖像搜索引擎的圖像標注改善算法。該算法通過對待標注圖像的候選標注詞進行去噪處理，提高標注的準確性。算法的核心思想是將候選標注詞作為圖的頂點，將標注詞之間的相關(guān)度作為邊的權(quán)值，從而將圖像標注改善問題轉(zhuǎn)換為圖劃分問題。我們用兩個參數(shù)對標注詞間的相關(guān)度進行加權(quán)處理后計算出邊的權(quán)值。第一