基于模糊領域本體語義的圖像檢索關鍵技術的研究.pdf

1、隨著計算機和多媒體技術以及Internet的飛速發(fā)展，圖像信息也急劇增長，如何從海量的圖像數據中高效快速地檢索出用戶所需圖像成為計算機領域的一個重要課題。然而，從圖像的視覺特征到圖像的語義表達之間存在巨大的“語義鴻溝”，因此有效的圖像檢索系統(tǒng)必須要解決這個問題，充分利用圖像的語義信息。于是基于內容圖像檢索(Content—based Image Retrieval，CBIR)基礎上發(fā)展了基于語義的圖像檢索技術(Semantic—base

2、d Image Retrieval，SBIR)，SBIR研究如何獲取圖像語義信息，并根據語義檢索相關圖像。 本文在分析圖像的語義模型、圖像語義的提取方法存在的問題的基礎上，基于本體技術和模糊理論研究了SBIR的幾個關鍵問題，設計和實現了一個基于模糊領域本體語義的圖像檢索原型系統(tǒng)SBIRFDO。具體工作包括： (1)研究了圖像的底層特征(顏色，紋理，形狀)提取方法，采用改進的K—均值算法以及顏色和紋理特征進行圖像分割，從而

3、提取了圖像的感興趣區(qū)域(Region—of—Interest，ROI)，并對分割后的區(qū)域提取形狀和空間位置特征。 (2)構建了圖像語義的模糊領域本體描述模型(Semantic Feature Description Model using Fuzzy Domain Ontology，SFDMFDO)，該模型主要是將本體技術和模糊理論相結合應用來圖像特征表示上來，本體是一種用來描述概念以及概念和概念之間關系的模型，而模糊理論能夠促

4、使圖像檢索技術脫離精確的計算。在傳統(tǒng)的領域本體基礎上，給其中的概念與概念間的關系加入模糊隸屬度構成了模糊領域本體(Fuzzy3Domain Ontology，FDO)，用FDO來描述圖像語義特征更加符合人類的模糊思維。 (3)提出了一種新的基于Vague集的FSVMs語義分類方法(V—FSVMs)，并利用它將圖像底層特征映射到本體中的高層語義概念特征，這樣系統(tǒng)就可以從圖像的底層特征自動地獲取到圖像的高層語義信息。 (4)

5、設計了一種基于語義網絡和Vague集的相關反饋算法RFSV(Relevance Feedback based on Semantic web and Vague)。RFSV算法是在傳統(tǒng)的相關反饋算法基礎上加入真假隸屬度函數，能夠更加自然地描述圖像相應特征在檢索中的分量，根據用戶的不同理解來更新語義結構，實現圖像底層特征映射到本體中的高層語義。 (5)設計并實現了一個基于模糊領域本體語義的圖像檢索原型系統(tǒng)SBIRFDO，并在標準圖