摘要：随着计算机网络技术和成像技术的快速发展,图像数量正在快速增长。越来越丰富的图像资源,使得人们难以在海量数据中找到所需信息。如何对图像数据进行有效的组织和管理已经成为当前多媒体信息领域研究的热点。近年来,自动图像标注技术由于其在图像理解和检索方面具有潜在巨大应用而逐渐受到人们的重视。本文着重研究了如何建立有效的学习模型来解决图像标注问题,以及如何对名词性标注结果添加颜色性描述词以丰富图像标注内容。本文通过分析图像标注过程中存在的输入空间和输出空间的歧义性,提出了一种基于监督框架下的多示例学习算法来实现图像的自动标注。该方法将每幅训练图像看成一个包,每个包中包含多个示例。对于任一关键词,本文首先利用一种改进的多样性密度算法来计算关键词所对应的正包中的各个示例同关键词之间的语义相似度,然后选取多样性密度值满足给定阈值条件的示例作为关键词所对应的示例原型,最后利用高斯混合模型对关键词的示例原型进行语义建模,建立高层语义同底层特征之间的映射关系。在此基础上,针对当前图像标注都是名词性标注的特点,本文首次提出了融合颜色词描述的标注方法。该方法首先通过PLSA-bg模型建立颜色特征信息库,然后对待标注图像进行区域颜色替换,利用一种有效的判定策略实现对区域颜色的命名,最后将颜色词标注同关键词标注结合,形成带有颜色形容词的图像标注。本文在Corel图像库和Microsoft Research Cambridge图像库的基础上对所提出的方法进行了测试,并同现有方法进行比较。实验结果表明,本文所提出的方法是有效可行的。