基于語義的Web圖像分類研究.pdf

1、隨著數(shù)碼成像產(chǎn)品和大容量存儲(chǔ)設(shè)備價(jià)格的日益低廉，每天都會(huì)產(chǎn)生成千上萬的數(shù)字照片，導(dǎo)致互聯(lián)網(wǎng)上多媒體信息的數(shù)量呈爆炸性增長(zhǎng)。此外，圖像搜索引擎(如Yahoo!、Google)和在線照片管理與共享應(yīng)用軟件(如Flickr)，促使圖像信息資源在網(wǎng)絡(luò)環(huán)境中隨處可見。網(wǎng)絡(luò)用戶可以方便地建立自己的數(shù)字照片集，并在線與他人共享和交流。但如何高效地表示、索引和檢索Web圖像，有必要分析圖像的內(nèi)容，挖掘隱含在圖像中的語義信息?；谡Z義的圖像分類是從海量的

2、Web圖像中發(fā)現(xiàn)有用信息的重要途徑，具有巨大的應(yīng)用前景。當(dāng)前，圖像分類雖然在低層視覺特征的提取上較為成熟，但高層語義信息獲取的有效性卻常常無法滿足實(shí)際需求。其次，Web圖像通常具有大規(guī)模、高維數(shù)、非線性的特性，并且在內(nèi)容上又表現(xiàn)出豐富性和多樣性。因此，基于語義的Web圖像分類既是一個(gè)迫切需要解決的關(guān)鍵問題，也是一個(gè)極具挑戰(zhàn)性的研究課題。
　　 本文針對(duì)當(dāng)前Web圖像分類中存在的問題，提出了相應(yīng)的解決方案，獲取了一定的創(chuàng)新性成果。

3、本文的主要貢獻(xiàn)概括如下：
　　 (1)為了縮短存在于圖像的低層視覺特征與高層語義信息之間的“語義鴻溝”，首先按照語義信息的抽象程度給出了一個(gè)三層的圖像語義模型。然后，基于該模型，闡述了用來表述圖像內(nèi)容的具有代表性的語義信息表示方法。最后，從分析Web圖像的特點(diǎn)入手，深入研究圖像差異性產(chǎn)生的原因，這是獲取高效的Web圖像分類方法的前提。
　　 (2)圖像特征優(yōu)化是處理Web圖像分類中的高維圖像數(shù)據(jù)的重要手段。圖像特征優(yōu)化可

4、被形式化定義成一個(gè)五元組模型。采用鄰域重建和半徑遞增搜索策略，提出了一種基于球狀鄰域的局部線性嵌入(GNLLE)。GNLLE不僅適用于稀疏數(shù)據(jù)集，而且具有較強(qiáng)的抗外界噪聲能力和良好的拓?fù)浣Y(jié)構(gòu)穩(wěn)定性。由于非線性維數(shù)約簡(jiǎn)通常采用基于點(diǎn)對(duì)的相似性計(jì)算去定義距離度量，又提出了一種基于球狀鄰域和路徑聚類的局部線性嵌入(GNPCLLE)。由于GPNCLLE充分利用了數(shù)據(jù)相關(guān)性，有效減輕了數(shù)據(jù)集的整體拓?fù)浣Y(jié)構(gòu)的失真現(xiàn)象。在Web圖像集上的實(shí)驗(yàn)結(jié)果顯示

5、了GNLLE和GNPCLLE的可行性和有效性。
　　 (3)準(zhǔn)確地從Web圖像中提取感興趣區(qū)域(ROI)是提升Web圖像分類性能的關(guān)鍵。提出了一種新的圖像分割策略，包含粗分割和精分割兩個(gè)階段。在第一階段中，采用基于顏色和紋理特征的塊聚類方法將一幅圖像劃分成四個(gè)區(qū)域，并依照攝影構(gòu)圖法則將ROI從背景中區(qū)分出來。此階段用來確定目標(biāo)區(qū)域。在第二階段中，利用形狀信息和矢量方法構(gòu)建了一個(gè)活動(dòng)輪廓模型，圖像能量來自于色度梯度，外部能量來自于

6、三角形內(nèi)心引力和補(bǔ)力。此階段用來精確地提取目標(biāo)的邊界。通過對(duì)Web圖像進(jìn)行實(shí)驗(yàn)，驗(yàn)證了提出的圖像分割方法的有效性。
　　 (4)面向圖像集的批處理分類越來越受到研究者的關(guān)注。為了提高Web圖像分類的準(zhǔn)確率，提出了一個(gè)建立在圖像語義的不同粒度層次上的分層次圖像分類模型。定義了兩種新的非線性流形：多類對(duì)象流形和單類場(chǎng)景模型。在對(duì)象層上的分類中，根據(jù)不同語義類別圖像之間的類內(nèi)差異和類間差異，利用擴(kuò)展的局部線性嵌入(ELLE)算法構(gòu)建了

7、一個(gè)多類對(duì)象流形。在場(chǎng)景層上的分類中，依照不同場(chǎng)景為同一種語義類別的圖像構(gòu)建了一個(gè)單類場(chǎng)景流形，并基于區(qū)域增長(zhǎng)和線性擾動(dòng)，提出了一種線性子流形自動(dòng)生成(LLSE)算法。提出的面向?qū)ο蟮姆謱哟螆D像分類模型的性能在Web圖像集上進(jìn)行了測(cè)試。
　　 (5)針對(duì)Web圖像分類的復(fù)雜性，提出了一種基于雙流形學(xué)習(xí)的圖像分類方法，將圖像分類問題從高維空間轉(zhuǎn)換到低維空間中解決。首先，利用正例類圖像和反例類圖像之間的顯著差異，分開建立兩個(gè)帶有不同