基于機器學習算法的自動圖像標注.pdf

1、“語義清晰”是大規(guī)模數(shù)字圖像管理的重要前提,現(xiàn)有的基于底層特征的圖像內容和高級人為理解的圖像語義之間存在巨大的鴻溝,因此通過計算機自動獲取圖像語義內容的研究具有十分重要的意義。自動圖像標注的實質是通過對圖像的底層視覺特征的處理和分析來獲取高層語義關鍵詞,用這組語義關鍵詞表示圖像的含義?；诜诸惖淖詣訄D像標注方法是當前圖像標注領域中使用最廣泛的方法之一。
　　 本文的研究目標是結合當前標注模型的特點應用機器學習算法對圖像進行標注,

2、與前期基于分類模型的自動圖像標注經(jīng)典算法相比,本文采用的決策樹改進算法在分類精度和時間上有所改善,并且該系統(tǒng)可以利用人能理解的規(guī)則模型來標注圖像。為了獲取標注規(guī)則,本文將采集到的圖像數(shù)據(jù)庫預定義一組需要的關鍵詞(或語義概念)。利用圖像分割技術將數(shù)據(jù)庫中的圖像分割成許多不同的區(qū)域,每個區(qū)域大致對應于一個語義對象。然后對圖像分割后所得到的各個區(qū)域提取出底層視覺特征,包括顏色、紋理和形狀特征等。提取出區(qū)域的特征屬性后,手動將有意義的區(qū)域歸并為

3、幾個類,這幾個類均為預定義的語義概念。特征屬性數(shù)據(jù)可以作為后續(xù)機器學習的訓練數(shù)據(jù)。然后該系統(tǒng)可以通過機器學習方法從這些特征數(shù)據(jù)中學習到語義概念,利用預定義關鍵詞來標注各個區(qū)域,最后圖像就可以被這些關鍵詞標注出來。本文主要關注的機器學習算法為改進后的NewNBtree算法、SimpleC4.5算法和FastRandomForest算法,通過訓練可以得到相應的標注模型,最終實現(xiàn)自動圖像標注。在自動語義標注階段,本文利用圖像信息熵的概念對噪聲