基于視覺和語義信息的圖像標注方法研究.pdf

1、近年來，各種存儲媒介中產生的海量圖像在極大的豐富人們視覺生活的同時，也為圖像的管理帶來了許多的不便。由于大部分的圖像是通過數碼產品拍攝，通常只是具有簡單的數字序列名稱或者英文與數字混排的名稱，不能充分反映圖像的視覺內容，使用傳統(tǒng)的TBIR方式也很難在海量圖像中獲取指定的目標圖像。因此，對圖像實行自動標注，使圖像名稱能夠真實反映視覺內容的AIA研究工作顯得格外重要。自動圖像標注方法研究在圖像管理、圖像檢索和圖像理解等領域都具有重要意義，目

2、前已成為新的熱點研究課題。
　　 通過了解目前各類圖像標注模型思想，以基于場景語義的pLSA-GMM標注方法為基礎開展研究，構造了一種結合語義信息和視覺信息的AIA-SSBTM模型，并通過該模型將標注字賦予未知圖像。
　　 AIA-SSBTM模型將標注分為訓練和標注兩個階段。在訓練階段，模型對訓練數據集在語義層進行場景分類，并對每個場景在視覺層進行二叉樹的構造，分別得到語義層數據集和視覺層數據集，在標注階段，模型首先判定

3、未知圖像的歸屬類別，然后使用該類別的二叉樹模型和對應的方法完成標注。
　　 本文模型利用圖像之間的相似性將不同類別的場景圖像構成圖結構，然后使用Ncut方法進行二叉樹構造，圖像之間的相似性度量也是本文的主要研究問題。通過對圖像分別在底層視覺特征和高層語義信息進行相似性度量的利弊分析，設計了一種結合視覺特征和對象語義的聯(lián)合相似性度量方法，并將其應用在AIA-SSBTM的模型構造中，通過結合EMD方法和TF-IDF方法的聯(lián)合相似性度