论文部分内容阅读
图片标注的研究是实现基于语义内容的图像索引、检索及其它相关应用的最重要和最关键的一步,其目的是要在感性层面的视觉信息和语义层面的语言描述间建立一种精确的对应关系。因此,在进行基于内容的图像检索时,这些标注可以弥补高层语义描述和低层视觉特征之间的语义鸿沟。对图像内容进行标注是实现检索和浏览图像的一种重要方式,它能够返回给用户所有与查询标签相关的图像。然而,应用现有基于标签的图像检索方法所得到的图像,往往因为内容不相关或图像质量较差而令用户失望。我们认为语义相关性和图像质量是衡量图像检索结果是否令人满意的两个重要标准。本文中,我们提出了一种图像检索方法,它同时考虑了图像内容与查询标签的相关性以及图像质量。首先,我们根据图像内容与查询标签的语义一致性以及图像间的视觉相似性对图像进行自动排序。然后我们将每幅图像的质量评分和相关性评分进行线性组合,用以对检索到的图像进行优化排序,从而实现图像的相关性—质量排序。同时,我们在NUS-WIDE图像库进行的实验说明了本文所提算法的有效性。值得注意的是本文中只是采用了Flickr数据集,本文所提的标签查询结果的相关性质量排序方法是一种通用的方法,并且也适用于其他社会媒体网络,如Youtube和Zooomr。最后总结全文的工作,对下一步研究中难点、热点以及需要解决的问题进行了展望。本文对质量因子的提取只选用了几个简单的特征就获得了较好的效果,我们可通过设计较复杂的图像质量特征以获得更好的效果。另外,有效并自动地融合不同形态的特征依然是一个大难题,因此,未来一个可能的方向是通过学习一种中间的表示法来使得视觉内容和语义标签之间的相关性最大。