学位论文 > 优秀研究生学位论文题录展示

图像内容表示及多标签标注算法研究

作　者: 赵雅昕
导　师: 张静
学　校: 华东理工大学
专　业: 计算机应用技术
关键词: 自动标注 语义鸿沟 图像内容表示 条件随机场
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 25次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着数字媒体技术和计算机网络的不断发展,数字图像资源迅猛增加,如何有效地管理与检索如此巨大的资源,就成为学术界亟待解决的问题。从20世纪90年代初起,基于内容的图像检索技术(CBIR)逐步取代原来的基于文本的图像检索技术(TBIR),成为多媒体技术研究的热点之一。但图像低层特征和高层语义之间的“语义鸿沟”严重限制了CBIR的发展,因此研究人员逐渐将关注回归到语义,使得以图像自动标注为基础的基于语义的图像检索技术(SBIR)越来越受到重视。本文在深入理解和分析图像语义检索最新研究进展的基础上,创新地提出了用于图像内容表示的RoI-BoW模型,以及基于多层分割内容表示的图像多标签自动标注模型(MLSIA)。RoI-BoW模型在BoW模型的基础上进行了改进,该模型考虑到兴趣区域对于图像检索的重要性,通过关键点的检测与过滤生成兴趣区域,并采用不同的方式对兴趣区域和非兴趣区域分别进行图像内容表示,最后将两个部分按照一定的比例相结合,成为最终的图像内容表示。本文利用基于RoI-BoW模型的图像内容表示方法对图像进行检索,并与基于BoW模型的图像内容表示方法进行了检索性能的对比,实验结果证明基于RoI-BoW模型的图像检索算法能够得到更加准确的图像检索结果。基于多层分割内容表示的图像多标签自动标注模型(MLSIA),其创新点在于采用多层分割图像内容表示方法,以及利用二阶条件随机场对图像进行自动标注。MLSIA首先采用多层分割图像内容表示方法,将显著性分析与多种分割算法相结合,对图像进行多层次的分割,并利用基于区域的“词袋”模型进行图像内容表示；接下来,MLSIA将图像内容的表示和图像的语义标签相结合,训练二阶条件随机场模型,并运用该模型对图像进行多标签自动标注。本文利用MLSIA对三个不同图像数据集进行了图像多标签标注的实验,并与其他标注模型进行了对比,实验结果证明,MLSIA在图像多标签标注上能够得到较好的查全率和准确率,且优于同类算法。

全文目录


摘要  5-6
Abstract  6-9
第1章 绪论  9-15
  1.1 研究背景  9-13
    1.1.1 基于文本的图像检索技术  9-10
    1.1.2 基于内容的图像检索技术  10-12
    1.1.3 基于语义的图像检索技术  12-13
  1.2 研究目标  13
  1.3 论文结构与主要内容  13-15
第2章 图像自动标注技术概述  15-25
  2.1 图像内容表示  15-20
    2.1.1 图像自动标注中常用低层特征  16-17
    2.1.2 基于全局的图像内容表示  17-18
    2.1.3 基于局部的图像内容表示  18-19
    2.1.4 “词袋”模型  19-20
  2.2 图像多标签标注  20-22
    2.2.1 问题转化方法  20-21
    2.2.2 算法适应方法  21
    2.2.3 基于条件随机场的图像标注算法  21-22
  2.3 本章小结  22-25
第3章 基于RoI-BoW模型的图像检索算法  25-39
  3.1 基于RoI-BoW的图像内容表示  26
  3.2 基于兴趣区域的“词袋”模型(RoI-BoW)  26-29
    3.2.1 关键点过滤  26-27
    3.2.2 兴趣区域  27-28
    3.2.3 特征提取  28
    3.2.4 构建视觉词汇表  28-29
    3.2.5 兴趣区域的图像内容表示  29
  3.3 算法结构  29-31
  3.4 实验  31-37
    3.4.1 实验数据及评估标准  31-32
    3.4.2 基于RoI-BoW模型的图像检索实验及分析  32-33
    3.4.3 不同粒度分割下的图像内容表示方法实验及分析  33-37
  3.5 本章小结  37-39
第4章 基于多层分割内容表示的图像多标签自动标注模型  39-63
  4.1 基于多层分割的图像标注模型  39-47
    4.1.1 多层分割  39-42
    4.1.2 特征提取  42-44
    4.1.3 基于区域的“词袋”模型  44-46
    4.1.4 二阶条件随机场  46-47
  4.2 算法结构  47-52
  4.3 实验  52-62
    4.3.1 实验数据及评估标准  52
    4.3.2 实验结果及分析  52-54
    4.3.3 不同图像内容表示方法的对比实验  54-59
    4.3.4 不同标注算法的对比实验  59-62
  4.4 本章小结  62-63
第5章 总结与展望  63-65
  5.1 全文总结  63
  5.2 未来展望  63-65
参考文献  65-73
致谢  73-75
附录1 发表论文目录  75

相似论文

  1. 评价对象抽取研究,TP391.1
  2. 汉语嵌套命名实体识别方法研究,TP391.1
  3. 基于条件随机场的中文分词技术的研究与实现,TP391.1
  4. 基于空间邻域词袋模型的图像标注技术,TP391.41
  5. 基于树型条件随场的特定域事件提取方法研究,TP391.1
  6. 基于条件随机场的RNA二级结构预测算法,R346
  7. 人脸特征点自动标注及表情生成,TP391.41
  8. 基于字词联合解码的中文分词研究,TP391.1
  9. 特定领域中文术语抽取,TP391.1
  10. 生物医学文献中模糊限制语及其范围的检测,TP391.1
  11. 中文命名实体识别与歧义消解研究,TP391.1
  12. 基于模板匹配的模具二维工程图自动生成技术的研究,TP391.72
  13. 中文命名实体识别及若干相关问题的研究,TP391.41
  14. 基于信息抽取技术的商业社会网络创建研究,TP391.1
  15. 基于自适应的LVCSR系统半监督学习方法的研究,TN912.34
  16. 基于对象语义的图像检索,TP391.41
  17. 基于语义的图像分类和检索研究,TP391.41
  18. 动画角色自动标注方法研究,TP391.41
  19. 基于条件随机场的中文命名实体识别研究,TP391.4
  20. 图像语义自动标注方法的研究,TP391.41
  21. 基于条件随机场的中文命名实体识别,TP391.43

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com