随着社交网络和多媒体技术的日益成熟,越来越多的网民将自己的图像上传到网络空间,网络图像资源日益丰富,基于语义标签进行图像检索的技术得到了快速发展。面对如此多的图像,如何有效为每幅图像分配适合的语义标签成为一个亟待解决的问题。特别地,由于同义词的存在以及每个网民关注的侧重点不同等各种各样的原因,人工上传的图像语义标签往往不完备,造成了基于语义标签的图像检索结果不佳,因此如何有效地完备图像语义标签成为一个重要的研究课题。低秩稀疏分解是一种有效降低噪声的方法。为了提高图像语义标签完备的准确度,本文对融合低秩稀疏分解和标签相关性的非完备图像语义自动标注方法进行了研究,主要内容包括以下三个方面:(1)给出了一种低秩稀疏分解模型。该模型主要为待完备图像生成一种表示其视觉特征和标签特征之间关系的低秩稀疏映射矩阵,通过低秩稀疏映射矩阵和其视觉特征的乘积获得自己缺失的候选标签,进而实现标签完备。为使模型获得的映射矩阵更加准确以及防止过拟合,进一步使用待完备图像的近邻图像集来建立低秩稀疏分解模型。首先结合待完备图像的视觉特征和标签特征寻找其近邻图像集,然后通过模型在近邻图像集上拟合出一个低秩稀疏映射矩阵,由于该映射矩阵表示了所有近邻图像视觉特征和标签特征之间的共性关系,因此使用该映射矩阵和待完备图像的视觉特征获得待完备图像的候选标签。最后在Corel5k和Flickr30Concepts数据集上进行实验,验证了该模型的有效性。(2)给出了一种融合低秩稀疏分解和标签相关性的非完备图像语义自动标注方法。为使所获得的低秩稀疏映射矩阵更加准确,在低秩稀疏分解模型中融入了标签相关性向量。首先使用了一种标签共现频率方法,分别计算候选标签和待完备图像之间的相关性概率。然后将所有的相关性概率组合成一个相关性向量,并将其融入到低秩稀疏分解模型中。最后在Corel5k和Flickr30Concepts数据集上进行实验,验证了该方法的有效性。(3)实现了一个非完备图像语义自动标注系统。根据上述研究成果,在Matlab平台上,设计并实现了一个融合低秩稀疏分解和标签相关性的非完备图像语义自动标注系统。