论文部分内容阅读
图像数据的剧增是普通个人、家庭以及各组织机构共同面对的现状,对大量图像数据进行有效管理也是人们共同的需求。多数情况下,人们更愿意以语义的形式描述和管理图像数据,因此基于语义的图像分类更能满足人们的内心需求。 图像的语义信息是实现语义分类的重要依据,在很多情况下,人们具有分类需求的感兴趣图像已经携带了一定的语义标注信息,本文正是以此类标注图像为研究对象,以实现语义分类为目的展开研究,主要工作如下: 首先,提出了能够利用图像现有标注信息实现语义分类的半监督算法。图像被表述为以语义标注词构成的短文本,构建了基于潜在概率语义分析(PLSA)思想的模型,可通过向模型中注入图像样本的监督信息,达到半监督分类的目的,能够满足用户按需进行语义分类的要求; 然后,提出对图像现有语义标注词进行合理扩充是提高分类正确率的重要途径,通过对图像标注不充分原因的分析,发现挖掘图像间的场景相关关系和标注词间的语义相似关系是丰富图像语义信息的重要方向,并指出检索系统日志中蕴含了大量有利于图像语义理解的重要信息,据此提出了基于检索日志和语义相关度获取图像语义信息的解决办法; 搭建了一个模型检索系统,系统主要为图像的语义研究提供所需要的检索日志。该系统模拟了用户的图像检索过程,能够结合用户反馈更新检索结果,并将用户对检索结果的反馈信息记录为检索日志。介绍了利用检索日志获取图像语义信息的方法,特别地,设计了关于检索日志的纠错手段,以提高日志信息的准确性; 最后,将基于日志信息和语义相关度获取的图像语义信息与图像视觉信息相结合,以概率框架的形式给出了扩充图像标注词的图像自动标注算法。通过实验说明了该算法具有良好的标注性能,并指出采取合理的标注词扩充策略对图像原有标注信息进行扩充能够有效地提高分类算法的分类正确率,同时指出日志信息的丰富程度也是影响分类率的重要因素。