论文部分内容阅读
随着互联网和多媒体技术的快速发展,图像成为一种极其重要的信息资源。如何快速检索如此巨大的资源就成为学术界亟待解决的问题。目前,基于语义的图像检索方法是一种流行的检索方式,即用户提供关键词,系统返回与这些关键字相关的图像。这种检索方式需要对数据库中每张图像进行标注,如果进行人工标注,则耗时耗力且无法应用于海量数据,所以图像自动标注算法的研究就变得迫在眉睫。 本文主要针对图像区域自动标注过程中的两个关键步骤进行研究,分别为图像分割算法的研究和图像自动标注方法的研究。本文的主要工作如下: 第一,提出了一种纹理增强的JSEG图像分割方法。传统的JSEG分割算法没有考虑纹理信息,对于颜色特征相似而纹理特征不同的区域,该算法无法实现准确的分割结果,除此以外,该算法的过分割情况也较为严重。为了得到更好的分割结果,算法将颜色特征与纹理特征进行融合,并提出了一种用于缓解过分割问题的移除错误区域边缘模型。 第二,提出了一种基于语义相关性分析的图像区域自动标注方法。在图像内容表示上,采用了一种扩展的词袋模型进行图像区域内容表示。该表示方法是通过统计一个区域内部码字出现的频率以及该区域相邻码字相关性组合分布情况得到的一种扩展的词袋模型。另外,在图像标注阶段,该算法利用一种面向度量的目标函数多标签分类器MFoM(Maximal Figure-of-Merit)对测试数据集进行自动标注。相对于支持向量机SVM和条件随机场CRF,该分类器对稀疏样本具有更好的适应性,更适合于图像处理。 实验表明,纹理增强JSEG图像分割算法能够实现较为准确的分割结果,并能有效地减少过分割情况,所提出的基于语义相关性分析的图像区域自动标注算法能够得到较为准确的自动标注结果。