学位论文 > 优秀研究生学位论文题录展示

图像检索中自动标注与快速相似搜索技术研究

作　者: 王斌
导　师: 李明镜；俞能海
学　校: 中国科学技术大学
专　业: 信号与信息处理
关键词: 自动图像标注图像标注改善重复图像检测相似图像检索
分类号: TP391.3
类　型: 博士论文
年　份: 2007年
下　载: 960次
引　用: 13次
阅　读: 论文下载

内容摘要

当前成像技术的快速发展，使数码相机、可拍照手机等设备日益普及，各种各样的图像数量飞速增长。同时，互联网的诞生与发展极大地促进了人们之间的信息交流，也使图像传播变得更加方便快捷。越来越丰富的图像资源使用户难以在浩如烟海的数据中找到其真正需要的信息，从而，各种各样的图像检索技术得到了广泛的关注。现有的图像检索主要依赖于图像对应的标注信息，随着图像数量的快速增加，手工进行图像标注方法由于费用太过昂贵，已经不能满足人们的需要。所以，人们寻找能够自动生成图像标注的方法，近些年来已成为了研究热点。目前研究中遇到的问题主要是“语义鸿沟”问题以及巨大的图像数量带来的效率问题等。同时，基于图像视觉内容的检索也在许多领域具有非常重要的作用，如指纹检索、医学图像检索等等。而且，自动图像标注算法中也经常需要进行基于图像内容的检索。这类检索的一个关键问题是如何快速、准确地寻找到与查询图像相似或近似的图像集合。由于图像具有巨大的数据量，一般表示为高维空间中的矢量，所以其索引和检索变得十分困难。当需要处理的图像数目达到上百万甚至上亿张时，快速搜索近似图像将成为非常具有挑战性的任务。本文主要针对图像检索中的自动图像标注以及快速搜索相似图像等方面进行研究，主要研究内容和创新之处为：1、对自动图像标注算法进行了介绍，重点讨论了基于相关模型、生成式模型、传播式模型等几类得到广泛研究的标注方法。传统的图像标注算法主要研究图像与词汇之间的关系，而近期受到普遍关注的一类方法是利用词汇之间存在的统计和语义关系对已有的标注进行改善，我们也对这方面的代表性工作进行了介绍。2、本文详细分析了图像自动标注问题中的目标与涉及到的可用信息，提出了一种统一的自动图像标注的模型框架，将传统的自动图像标注问题扩展到包括自动标注与标注改善两个子问题。该框架可以清晰地解释现有的多种自动标注方法，帮助人们更好地理解自动图像标注问题。3、基于本文所提框架，我们提出了若干种有效的图像标注改进算法，分别改进了相应的图像关系计算方法、词汇间关系计算以及学习算法等部分。实验表明，本文提出的算法取得了明显效果，也说明了所提统一自动标注框架的有效性。4、基于内容的图像检索其核心问题是相似图像的检索问题，同时，在自动图像标注中经常需要寻找与待标注图像相似的图像集合。所以，我们探讨了快速搜索相似图像的算法。为了简化问题，我们首先讨论了如何在大规模图像库中快速进行重复图像的检测。针对此问题，我们提出了一种高效的图像表示和索引方法，该方法计算复杂度低，准确度高，所需存储量小，具有很好的检测性能。5、我们将该重复图像检测的方法进一步扩展到相似图像的搜索中，联合利用多种图像特征的表示和索引，通过机器学习的方法以最佳方式对这些信息进行组合，实现了对大规模图像集快速寻找相似图像的功能。

全文目录

摘要  5-7
Abstract  7-9
目录  9-13
插图目录  13-14
第1章绪论  14-24
  1.1 图像检索的发展  14-21
    1.1.1 基于标注的图像检索  15-17
    1.1.2 基于内容的图像检索  17-20
    1.1.3 两种检索方式的结合  20-21
  1.2 论文的研究目标和内容  21-22
  1.3 本论文的组织结构  22-24
第2章自动图像标注算法  24-50
  2.1 概述  24-27
  2.2 相关模型  27-34
    2.2.1 跨媒体相关模型  27-29
    2.2.2 连续相关模型  29-31
    2.2.3 多伯努利相关模型  31-33
    2.2.4 一致性语言模型  33-34
  2.3 生成式模型  34-39
    2.3.1 概率隐语义分析模型  34-35
    2.3.2 高斯混合模型  35-37
    2.3.3 高斯-隐Dirichlet分配模型  37-38
    2.3.4 相关LDA模型  38-39
  2.4 传播式模型  39-43
    2.4.1 基于流形的自动图像标注  39-41
    2.4.2 基于流形的多种相似性综合  41-43
  2.5 利用词汇间关系的标注方法  43-49
    2.5.1 互相关标记传播模型  43-46
    2.5.2 WordNet多测度混合模型  46-48
    2.5.3 利用随机游走进行标注改善  48-49
  2.6 本章小结  49-50
第3章一种统一的自动图像标注框架  50-78
  3.1 简介  50-51
  3.2 一种统一的自动图像标注框架  51-60
    3.2.1 自动图像标注问题分析  51-53
    3.2.2 自动图像标注的两个过程  53-54
    3.2.3 基本图像标注过程  54-56
    3.2.4 图像标注改善  56-57
    3.2.5 对统一标注框架的讨论  57-60
  3.3 基于统一标注框架的研究工作  60-69
    3.3.1 对图像间关系的改善  60-62
    3.3.2 对词汇间关系的改进  62-65
    3.3.3 渐进式学习算法  65-69
  3.4 实验  69-77
    3.4.1 数据集  69
    3.4.2 性能指标  69-70
    3.4.3 实验数据  70-77
  3.5 本章小结  77-78
第4章重复或相似图像的快速搜索  78-100
  4.1 大规模数据集中的重复图像检测  78-79
  4.2 重复图像的定义  79-81
    4.2.1 其它影响因素  80-81
  4.3 基于Hash值的重复图像检测算法  81-86
    4.3.1 图像的特征表示  82-84
    4.3.2 特征的降维  84
    4.3.3 生成Hash值  84-85
    4.3.4 通过hash值归组进行重复图像检测  85-86
  4.4 重复图像检测实验  86-93
    4.4.1 数据集  86-87
    4.4.2 性能度量  87-89
    4.4.3 重复图像的统计分布  89
    4.4.4 重复图像检测性能  89-91
    4.4.5 检测速度  91-92
    4.4.6 检测结果  92-93
  4.5 基于多重Hash值的相似图像检测  93-97
    4.5.1 从重复图像到相似图像  93-94
    4.5.2 AdaBoost算法  94-95
    4.5.3 基于多重Hash值的相似图像检测算法  95-97
  4.6 相似图像检测的实验  97-99
    4.6.1 数据集  97-98
    4.6.2 各种特征性能评价  98
    4.6.3 检测性能  98-99
  4.7 本章小结  99-100
第5章总结与展望  100-103
  5.1 论文总结  100-101
  5.2 未来研究方向展望  101-103
参考文献  103-110
攻读博士学位期间发表的论文  110-112
  发表论文  110-111
  已投论文  111-112
致谢  112

图像检索中自动标注与快速相似搜索技术研究

内容摘要

全文目录

相似论文