论文摘要
随着科技的进步和理念的更新,新型社交网站的不断涌现和图像记录设备的普及促进了网络大型图像数据库的建立与发展。仅Facebook网站上就有几百亿张图片,并且每周都新增图片2亿多张。如何从这海量的图片中更加快速准确的检索到自己想要的图片,成为了亟待解决的问题。目前,基于文本的图像检索仍是图像检索方式的主流,但基于文本的图像检索有以下缺点：（1）互联网上的图像数量呈爆炸型增长趋势,人工标注的速度远不能满足用户的需求。（2）一幅图像涵盖的内容很多,仅凭几个关键字来概括图像的内容很不准确。因此,基于内容的图像检索应运而生,这种检索方式通过对图像间底层特征的比对来确定相似度,支持例图查询,草图查询等方式,使用户可以更加灵活地检索图像。但基于内容的图像检索存在“语义鸿沟”问题,这也是检索准确率不可能无限提高的根本原因。这时就需要结合图像的语义进行检索,其中自动语义标注是关键技术。本论文提出了一种使用颜色和纹理作为特征的图像检索系统,系统使用自组织神经网络映射图处理NSOM、CSOM等颜色特征,样式共生矩阵作为纹理特征。系统通过特征选取技术在特定的情况下实现降维,通过相关反馈技术对参数进行修正,以提高返回图像的准确率。MPEG-7标准为本系统提供了良好的底层框架。本系统还加入了自动语义标注功能,能够将相应的语义标签自动赋予未标注图像。在标注过程中,首先将图像分割,然后用共生模型统计每个图像区域关键字的频数,得出该图像关键字的初始排序,最后采用语义网络模型中相关反馈的思想来修正标注结果。实验证明,这样的方法无论在查准率和查全率上都很接近其它已有算法,但大幅提升了标注的速度和效率。除了基本客户端外,论文还基于Struts+Lire+lucene建立了一个B/S架构的检索系统,其设计实现满足用户需求,代码规范,可复用性好,便于扩展,注释完整且可读性高,能够引入一些设计模式和开源的类库。本系统的不足是：（1）提取的视觉特征较少,在以后的研究中可以选择更多的通用视觉特征计算公式,如SIFT,通过多特征的综合提升检索准确度。同时,特征的增加无疑会带来效率的降低,可采用主成分分析（PCA）方法对特征值进行降维。（2）目前相关反馈机制设计较简单,对用户而言只有相关和不相关两个选项。在今后的研究中要引入多级评分,从而更精确地衡量相关度。
论文目录
相关论文文献
标签：图像标注论文;