论文摘要
数据库技术、多媒体技术以及Internet技术的长足发展和互联网的普及,大量的图像出现在互联网上,如何有效地、快速地从大规模图像数据库中检索出所需的图像成为人们思考的问题。基于语义的图像检索不仅方便于用户的使用,还准确地体现出用户的意图,因此是图像检索发展的必然。而图像的标注字能够较好的表达图像的语义内容,它能够缩小图像的高级语义和低级视觉内容之间的差距,因此图像语义的自动标注方法也正逐渐引起人们的重视。本文通过分析图像语义自动标注的相关技术,深入探讨和研究了图像视觉特征的提取方法。在颜色特征提取方面,利用HSL(Hue,Saturation,Lightness)颜色空间,经过多人次的对大量颜色样本相似性距离的测试的统计,我们对HSL模型进行了以下改造,以使变形后的HSL空间内的点间距离更符合人类的视觉判断,提取原始图像的主色作为原始图像的颜色特征;在纹理特征提取方面,针对不同纹理特点分别采用了基于共生矩阵的统计纹理分析和基于小波变换的频谱纹理分析两种方法予以实现。通过对以上特征的提取,实现了融合多特征的图像检索。针对不同特点的图像,融合不同的图像特征,并采用不同的相似性度量方法,提高了图像检索的准确率。在检索结果的基础上,采用基于实例的方法实现了对图像语义的自动标注。这种方法的基本思想是,把带有标注的训练样本集当作一种标注经验,在提取出示例图像的视觉特征后,从经验库中检索出与之视觉相似的图像,并且通过模仿这些例子图像的标注,对图像实施标注。通过大量的仿真验证,表明该语义自动标注方法不仅能够将图像的视觉特征转化为图像的标注字信息,可以有效的应用于基于语义的图像检索,而且克服了手工标注费时费力的缺点,为用户的使用带来了极大的方便。
论文目录
摘要Abstract第1章 绪论1.1 课题背景和研究意义1.2 本课题的国内外研究现状1.2.1 基于内容的图像检索技术国内外研究现状1.2.2 图像语义自动标注技术国内外研究现状1.3 本文的主要研究内容及章节安排第2章 颜色特征及几种颜色特征空间模型2.1 RGB颜色空间2.2 HSV颜色空间2.3 HSI颜色空间2.4 YUV颜色空间2.5 Lab颜色空间第3章 图像检索中视觉特征提取方法研究3.1 常用的颜色特征表达方法3.1.1 颜色直方图法3.1.2 颜色矩表示法3.1.3 颜色集表示法3.1.4 颜色聚合向量3.1.5 颜色相关图3.2 纹理特征3.2.1 统计法3.2.2 频谱法3.2.3 结构分析方法3.3 形状特征3.4 图像空间关系特征3.5 颜色和纹理特征提取3.5.1 颜色特征提取3.5.2 纹理特征提取第4章 图像检索中相似性度量方法研究4.1 相似性度量方法4.1.1 欧拉距离4.1.2 直方图相交4.1.3 马氏距离4.1.4 二次式距离4.1.5 特征对比模型4.2 一种基于HSL颜色空间的图像检索4.2.1 HSL颜色空间模型的选取和转换4.2.2 基于人类视觉的变形HSL颜色模型4.2.3 累加直方图表示颜色特征4.2.4 相似性度量4.2.5 实验结果及分析4.3 一种基于纹理特征的图像检索方法4.3.1 基于共生矩阵的纹理特征提取4.3.2 基于小波变换的纹理特征提取4.3.3 相似性度量4.3.4 实验结果分析4.4 本章小结第5章 基于实例的图像语义自动标注方法研究5.1 图像语义的自动标注5.2 图像语义自动标注算法的评价准则5.3 语义自动标注模型5.4 综合颜色和纹理特征的图像检索方法5.4.1 综合颜色和共生矩阵纹理特征的图像检索5.4.2 综合颜色和Tamura纹理特征的图像检索5.5 介绍一种对象和背景的分割算法第6章 实验结果与分析6.1 基于实例的图像语义自动标注6.1.1 总体描述6.1.2 主要算法实现6.1.3 标注结果评价6.2 本章小结结论参考文献致谢
相关论文文献
标签:图像语义论文; 自动标注论文; 特征提取论文;