论文题目: 计算机视觉图像语义模型的描述方法研究
论文类型: 博士论文
论文专业: 计算机应用技术
作者: 石跃祥
导师: 蔡自兴
关键词: 图像语义,语义模型,知识链表,知识聚类,图像描述
文献来源: 中南大学
发表年度: 2005
论文摘要: 计算机视觉是模式识别应用的一个重要方面,计算机视觉的目的是通过电子化地感知和理解图像,复制人类的视觉效果。计算机视觉首选要解决好三维物体所形成的二维图像在计算机中的存储、处理、描述、表达和理解操作等问题,它涉及的知识广、内容多,包括光学、物理学、数学、自动化和计算机等学科。计算机视觉就是在多学科的基础上来综合各种知识与技术方法,形成一个具有视觉功能的信息处理系统,从而建立起计算机对外界世界的感观、认知和行为动作,即计算机视觉。 本文针对计算机视觉的图像语义模型方法进行了研究。通过分析和研究目前国内外计算机视觉的现状、主要问题和未来发展的方向,对于计算机视觉中图像识别知识表达的问题,特别是图像识别中的底层属性与高层信息关联等方面的内容,进行了设计与研究,构建了计算机视觉图像语义模型方法的知识结构,为图像识别建立了知识关联,实现计算机视觉图像识别的知识方法。 针对计算机视觉图像语义的问题,本文提出了基于知识结构与方法的图像语义模型理论和方法。论述了语义名词的内涵和概念表达,阐述了图像高级知识相关属性与语义的关系、连接和范畴,定义了图像语义名词概念,建立了图像语义模型的理论基础。 提出了图像语义的特征空间表示法。它建立了图像属性与信息描述的映射关系,描述了图像底层属性、图像对象关系及对象空间关系和图像高级信息的信息映射过程,从三层结构的映射来形成一个基于知识描述图像内容的特征向量。图像语义反映了图像存在的基本特性,即图像的光表现,图像中对象的关系,即空间关系,图像的高级信息,即图像与社会与人的关系。从高级信息的知识角度来分析图像存在与应用的环境问题,解决了图像应用信息在计算机中描述与表达的相关知识问题,为计算机视觉的图像识别应用,建立了一种新的知识方法,提供了可参考的思维方式和结论。 计算机视觉图像语义模型描述了在设定的场景中,对在计算机视觉中直接成像的目标物体图像的描述,对所获取的图像,选择相应属性和对象关系等信息,利用约束机制,将数据信息映射到特征空间上,从而形成一个对图像的描述模型。为了建立图像属性与高层语义之间的关联,提出了基于SVM的图像语义关联法,它描述了图像底层属性到高级描述之间的关联,实现了图像信息的映射和特征表达,解决了图像属性选择和高级描述之间的关联问题。 在计算机视觉系统图像语义模型应用中,解决了语义概念运用和语义特征值表示、数字化的问题,建立了图像语义的数据模式和图像语义数据库。提供了图
论文目录:
第一章 绪论
1．1 计算机视觉图像语义研究的背景、现状与意义
1．1．1 图像描述方法与图像语义的研究背景
1．1．2 计算机视觉及图像语义模型描述研究的现状
1．1．3 图像语义模型方法的研究意义
1．2 论文的研究思想、课题来源与章节安排
1．2．1 论文的研究立意与思路
1．2．2 研究课题的来源
1．2．3 论文的主要研究内容与组织结构
第二章 图像的内容属性与图像语义基础
2．1 图像的信息与关系
2．1．1 图像的基本属性
2．1．2 图像对象与空间关系
2．1．3 图像的高级信息
2．1．4 图像应用中的模式识别
2．2 图像语义的概念
2．2．1 语义的概念范畴
2．2．2 语义名词的使用
2．2．3 图像语义概念
2．2．4 图像语义特征矢量和特征空间
2．2．5 图像与语义描述的结构关系
2．3 计算机视觉的图像处理
2．3．1 图像处理
2．3．2 计算机视觉的图像处理
2．4 计算机视觉图像语义基础
2．4．1 未知环境的计算机视觉问题
2．4．1．1 未知环境的建模问题
2．4．1．2 视觉对象的知识结构问题
2．4．2 研究图像语义的相关问题
2．4．3 计算机视觉图像语义的基础概念
2．4．4 计算机视觉图像语义的特征抽取原理
2．4．5 图像属性的底层特征到语义概念的映射
2．4．6 底层特征到高层概念映射的计算方法
2．5 图像语义的识别应用技术
2．5．1 图像语义的概念表示法
2．5．2 图像语义的特征矢量空间描述
2．5．3 图像语义的数字方式使用法
2．5．4 计算机视觉图像语义模式识别
2．5．5 计算机视觉图像语义与知识数据库
2．6 小结
第三章 计算机视觉图像语义的模型方法描述
3．1 计算机视觉图像语义的模型及描述
3．1．1 图像语义模型定义
3．1．2 语义模型结构
3．1．3 图像的语义模型描述
3．2 计算机视觉图像语义特征值的存储结构
3．2．1 文字描述法
3．2．2 三段式表示法
3．2．3 链表知识表示法
3．2．4 十字链表知识表示法
3．3 基于模型方法的图像语义生成
3．3．1 图像语义的生成规则
3．3．2 图像语义的生成树TDM
3．3．3 图像语义的生成
3．3．4 图像语义生成的信息反馈与自学习结构
3．4 基于模型方法的知识聚类语义抽取方法
3．4．1 基于十字链表的深度优先聚类法
3．4．2 基于关联阈值M结点聚类法
3．4．3 基于关联规则的知识聚类法
3．5 图像语义识别的模型描述应用方法
3．5．1 改进的分类计算相似法
3．5．2 改进的树型匹配最短路径法
3．6 基于SVM的图像底层特征与高层语义的关联
3．6．1 底层特征的选择与提取
3．6．2 支持向量机SVM的关联方法
3．6．3 实验结果
3．7 小结
第四章 图像语义模型的知识结构描述和运算
4．1 语义对象结构描述
4．1．1 图像语义特征空间的描述
4．1．2 对象特征结构
4．2 语义模型类型描述
4．2．1 语义模型结构类型
4．2．2 语义操作类型
4．2．3 语义操作BNF范式结构
4．3 语义模型的关联结构与关联度
4．3．1 语义模型的关联结构描述
4．3．2 语义模型的关联度计算
4．4 语义模型的知识运算
4．4 小结
第五章 基于图像语义模型的运动对象描述与应用
5．1 人运动图像语义描述的问题
5．2 人体的刚体模型及运动语义模型
5．3 人运动图像的基本类型
5．3．1 头运动模型
5．3．2 手运动模型
5．3．3 腿运动模型
5．3．4 基于模型的语义描述
5．3．4．1 运动语义基本数据库
5．3．4．2 生成语义的操作流程
5．3．4．3 动作语义的分解规则
5．3．4．4 运动检测算法设计与时间复杂度
5．3．5 实验结果与比较
5．4 人运动图像语义模型描述与运动跟踪
5．4．1 刚体的自动标注法
5．4．1．1 刚体的比例值
5．4．1．2 差分投影的变化区域检测刚体标注法
5．4．2 运动语义的模型描述
5．4．2．1 行走运动的模型描述
5．4．2．2 跑步运动的模型描述
5．4．2．3 一般运动的模型描述
5．4．2．4 运动跟踪算法设计与时间复杂度
5．4．3 实验结果与对比分析
5．5 小结
第六章 基于图像语义模型描述的公路标牌图像识别
6．1 公路标牌图像识别的问题
6．1．1 语义模型方法的应用问题
6．1．2 高速公路仿真环境介绍
6．2 基于语义模型识别的运动汽车图像跟踪
6．2．1 汽车跟踪问题提出
6．2．2 对象表达和语义模型
6．2．2．1 道路与汽车的检测与特征描述
6．2．2．2 道路与汽车的语义模型描述
6．2．3 基于语义模型的目标跟踪
6．2．3．1 汽车运行的概念结构与操作
6．2．3．2 汽车运行的语义模型描述
6．2．3．3 基于语义模型的跟踪算法
6．2．4 实验结果与分析
6．3 基于语义模型知识结构的高速公路标牌图像的识别应用
6．3．1 基于语义模型描述的视觉系统结构
6．3．2 高速公路场景中的语义模型描述应用方法
6．3．3 高速公路标牌图像的图像语义知识结构数据库
6．3．4 仿真实验及意义
6．3．5 实验结果与分析
6．3．5．1 图像语义模型方法的识别结果分析
6．3．5．2 图像语义模型知识方法结果分析
6．4 小结
第七章 总结
7．1 本论文工作总结
7．2 进一步的研究方向
参考文献
附录：一个原型仿真系统简介
一、系统功能分析与简介
二、识别情况与说明
三、图像采集与处理
四、输出语句的设计
五、获取语义的结构
六、函数参数的设计
七、函数体及返回值设计
致谢
攻读博士学位期间完成的学术论文、科研项目及资助
一、已经发表或待发表的论文
二、主持、参与的科研项目及资助
发布时间: 2006-03-28
参考文献
- [1].几种图像结构语义模型和图像[D]. 余卫宇.华南理工大学2005
- [2].信息检索中浅层语义模型的研究[D]. 马晖男.大连理工大学2007
- [3].基于实时语义模型的模型转换及语义一致性研究[D]. 王彬.昆明理工大学2011
- [4].现代汉语形容词概念语义模型研究[D]. 李学宁.上海交通大学2008
- [5].面向服务的语义模型驱动企业应用软件开发方法及关键技术研究[D]. 吴明晖.浙江大学2011
- [6].数字图书馆知识组织语义互联策略及其应用研究[D]. 牟冬梅.吉林大学2009
- [7].移动云环境下服务推荐模型及关键技术研究[D]. 周作建.南京大学2016
- [8].运动捕捉数据处理、检索与重构方法研究[D]. 肖伯祥.大连理工大学2009
- [9].自适应系统软件体系结构的关键技术研究[D]. 常志明.国防科学技术大学2009
- [10].跨领域异构产品模型语义集成的若干基础问题研究[D]. 楼轶超.浙江大学2009
相关论文
- [1].基于内容图像检索关键技术研究[D]. 韦娜.西北大学2006
- [2].基于语义学习的图像检索研究[D]. 沈项军.中国科学技术大学2006
- [3].图像理解的关键问题和方法研究[D]. 谢昭.合肥工业大学2007