基于圖理論的自動圖像標注研究.pdf

1、自動圖像標注是基于內容圖像檢索中重要而具有挑戰(zhàn)性的工作,它可以在一定程度上解決基于內容圖像檢索中存在的語義鴻溝問題。如果能實現(xiàn)自動圖像標注,那么現(xiàn)有的圖像檢索問題實際上就可以轉化成技術已相當成熟的的文本檢索問題。因此,自動圖像標注的研究是一個有重要意義的課題。
　　本文圍繞基于圖理論的自動圖像標注展開研究,在分析現(xiàn)有的各種自動圖像標注方法不足之處的基礎上,提出使用基于圖學習的自動圖像標注方法。并闡明本文研究的立足點:使用基于圖理論

2、的自動圖像標注作為傳統(tǒng)的圖像標注方法的補充,以提高圖像標注系統(tǒng)的性能。
　　底層圖像特征提取是自動圖像標注系統(tǒng)的基礎。本文詳細闡述了基于自動圖像標注的低層特征提取和圖像分割方法,總結和歸納了各種方法的優(yōu)缺點及適用范圍。針對彩色圖像存在邊緣的模糊性,提出了一種基于模糊熵的圖像邊緣特征提取算法。該方法首先計算出每個像素在模糊熵特征空間的相異測度,結合鄰域內的邊緣結構,提取圖像中每個像素的結構信息測度和方向信息測度,然后對結構信息測度和

3、方向信息測度實施非極大抑制,確定最終的邊緣像素圖像。實驗結果表明該方法邊緣檢測能力強,有較好的抗噪性。另外,為了改善JSEG分割算法對彩色圖像存在過分割現(xiàn)象,提出了基于邊緣信息的JSEG分割改進算法。
　　圖像語義具有模糊性、復雜性、抽象性等特點,僅用低層特征進行描述是不夠的,在提取圖像語義時需要結合圖像相關內容,以便提高圖像標注的精確度。為此,本文提出了基于互K近鄰圖的圖像標注方法,該方法用一個互K近鄰圖融合了圖像的低層特征之間

4、、標注詞之間以及圖像與標注詞間的相互關系。利用互K近鄰圖實現(xiàn)從兩個節(jié)點間相互的關系來提取語義信息,彌補了基于K近鄰圖的方法中單方向挖掘節(jié)點信息的不足。并引入逆向文檔頻率(IDF)修正圖像節(jié)點與其標注詞節(jié)點之間邊的權值,克服了傳統(tǒng)方法中高頻詞引起的偏差,有效的提高了圖像標注的性能。在對互K近鄰圖結構分析的基礎上,提出一種快速求解算法,該算法在不明顯降低圖像標注精度下,實現(xiàn)快速求解。
　　由于“語義鴻溝”的存在,低層特征相同或相似的圖

5、像,其語義有可能完全不同。如何挖掘圖像的高層語義與低層特征之間的內在聯(lián)系是當前圖像標注領域研究的難點之一。本文在詳細分析現(xiàn)有基于聚類的圖像標注方法優(yōu)缺點的基礎上,提出了一種譜聚類圖像標注方法。該方法采用以下兩種有效途徑建立圖像的高層語義和低層特征之間的內在聯(lián)系:首先利用多元統(tǒng)計學中的典型相關性分析(CCA)對圖像的語義特征和低層特征進行關聯(lián)分析,以便建立圖像的低層特征與語義特征間的相關性。然后,在CCA空間內,對訓練圖像先按語義聚類,使

6、得語義相同或相近的圖像處于同一類中,再對每個語義類按區(qū)域特征聚類,通過這兩次聚類能有效地建立圖像的低層特征與語義特征間的一致性。實驗結果表明所提出的方法明顯提高了標注準確度。
　　前述的標注方法都存在需要大量的已標注圖像的缺點,如何通過對少量典型的樣本圖像進行人工標注作為訓練集,實現(xiàn)精確的圖像自動標注,已成為當前圖像標注領域中研究熱點之一。本文在基于圖的標簽傳播的原理與機制的基礎上,提出一種利用Voronoi圖的構圖方法。該方法利

7、用Voronoi圖表達了空間目標的影響區(qū)域,將圖像數據點在特征空間內的分布信息融合到點對間的相似性表示中。利用未標注圖像與已標注圖像的內在相關性,將半監(jiān)督學習和多標記學習有效結合起來,為圖像進行標注。實驗結果表明,提出的標注方法效率高,同時標注結果與傳統(tǒng)的標注方法相比得到了明顯改善。
　　傳統(tǒng)的標注算法的標注結果都不可避免地存在較大噪聲,如標注詞之間的不一致性,標注詞無意義等現(xiàn)象。因此有必要對各類方法輸出的結果進一步優(yōu)化處理。針對