圖像語(yǔ)義檢索和分類技術(shù)研究.pdf

1、圖像語(yǔ)義檢索和分類是近年來(lái)的一個(gè)研究熱點(diǎn)，是多媒體信息檢索領(lǐng)域的一個(gè)重要組成部分，并受到越來(lái)越廣泛的關(guān)注。由于圖像語(yǔ)義具有的復(fù)雜性，在提取、表示和應(yīng)用上都比較困難，因此，圖像語(yǔ)義的檢索和分類成為一個(gè)極具挑戰(zhàn)性的研究課題。 早期的基于文本的圖像檢索方法存在著兩大難題：一是對(duì)圖像進(jìn)行人工標(biāo)注工程浩大；二是人工標(biāo)注存在著主觀性和不精確性。為此在 20 世紀(jì) 90 年代發(fā)展了基于內(nèi)容的圖像檢索技術(shù)，通過(guò)自動(dòng)提取圖像視覺(jué)特征，并進(jìn)行相似性

2、匹配，來(lái)獲得檢索結(jié)果。該方法摒棄了基于文本的檢索中需要對(duì)每幅圖像進(jìn)行人工標(biāo)注的繁重工作，避免了人工標(biāo)注的主觀性。該項(xiàng)技術(shù)得到了迅速的發(fā)展，逐漸成為圖像檢索領(lǐng)域的主流技術(shù)，并開發(fā)了大量的檢索系統(tǒng)。 但是，由于圖像的底層特征與人類的理解之問(wèn)存在著很大的差異，圖像所包含的語(yǔ)義內(nèi)容無(wú)法用圖像的底層特征來(lái)準(zhǔn)確表述，即在圖像的底層視覺(jué)特征和圖像包含的語(yǔ)義之間存在著“語(yǔ)義鴻溝”。針對(duì)這一問(wèn)題，提出了圖像語(yǔ)義檢索和分類技術(shù)。圖像語(yǔ)義檢索和分類技

3、術(shù)將語(yǔ)義信息與底層特征相結(jié)合，對(duì)圖像進(jìn)行檢索和分類。該技術(shù)的重點(diǎn)在于如何提取、表達(dá)，以及利用語(yǔ)義信息。 本文對(duì)圖像語(yǔ)義檢索和分類課題中的若干問(wèn)題進(jìn)行了探討，包括圖像的語(yǔ)義提取、語(yǔ)義表示，以及圖像語(yǔ)義檢索和分類技術(shù)。 全文的貢獻(xiàn)主要體現(xiàn)在以下幾點(diǎn)： 1．提出了一種基于粒子群優(yōu)化算法的圖像語(yǔ)義分類方法。該方法利用提出的一種基于模糊粒子群優(yōu)化算法 (FPSOC)，對(duì)圖像進(jìn)行語(yǔ)義分類。本文提出的方法采用粒子群優(yōu)化算法對(duì)圖

4、像進(jìn)行自動(dòng)聚類，無(wú)需人工干預(yù)，且所需要的參數(shù)較少。一方面針對(duì)圖像語(yǔ)義具有模糊性的特點(diǎn)，以及依據(jù)圖像的特征向量來(lái)劃分圖像的類別具有一定的模糊性的特點(diǎn)，將模糊概念引入到粒子群優(yōu)化算法中，從而可以更好的處理圖像語(yǔ)義分類問(wèn)題。另一方面，針對(duì)特征維數(shù)過(guò)高問(wèn)題，采取了特征選擇機(jī)制，并在圖像的聚類過(guò)程中動(dòng)態(tài)確定特征的重要程度。 2．提出了一種基于粗糙模糊集的圖像語(yǔ)義對(duì)象獲取方法。該方法首先通過(guò)模糊化方法將圖像底層特征構(gòu)造為模糊數(shù)據(jù)立方體，然后

5、利用粗糙模糊集的方法，對(duì)該模糊數(shù)據(jù)立方體進(jìn)行處理，將圖像分割成語(yǔ)義區(qū)域，獲取圖像的語(yǔ)義對(duì)象，用以生成圖像包(bag)。本文定義了新的粗糙模糊集的依賴函數(shù)，并將新定義的粗糙模糊集應(yīng)用于對(duì)圖像的分割，從而獲取語(yǔ)義對(duì)象。通常圖像特征維數(shù)較高，對(duì)圖像處理的效率和精度會(huì)有影響。該方法可以有效的處理圖像的高維問(wèn)題。另外，不同于傳統(tǒng)的基于粗糙集的屬性約簡(jiǎn)方法通常用來(lái)處理離散數(shù)據(jù)。本文提出的基于粗糙模糊集的方法可以直接用于處理連續(xù)數(shù)據(jù)。 3．提

6、出了一種采用多示例學(xué)習(xí)的圖像語(yǔ)義檢索方法。該方法將圖像語(yǔ)義檢索轉(zhuǎn)化成一個(gè)多示例學(xué)習(xí)問(wèn)題。根據(jù)提出的語(yǔ)義層次模型，首先采用多示例學(xué)習(xí)方法獲取圖像簡(jiǎn)單語(yǔ)義，然后將簡(jiǎn)單語(yǔ)義映射為復(fù)合語(yǔ)義。該方法利用多示例學(xué)習(xí)問(wèn)題來(lái)處理圖像語(yǔ)義提取和檢索，一方面由于多示例學(xué)習(xí)的高準(zhǔn)確性可以得到較為準(zhǔn)確的結(jié)果，另一方面由于多示例學(xué)習(xí)只需要知道每個(gè)包的標(biāo)簽，而無(wú)需知道每個(gè)示例的類別標(biāo)簽，故減少了對(duì)對(duì)象識(shí)別效果的依賴。同時(shí)，只需對(duì)整幅圖像進(jìn)行標(biāo)注，而不用對(duì)圖像中的每