自然场景图像的自动标注方法研究

论文摘要

随着科技的进步、互联网技术的不断发展及数码产品的普及,越来越多非文本信息出现在人们的生活中,如图像。急需一种有效的图像标注与检索方法,对大量的图像信息进行管理。早期的图像标注多数是由人工为图像添加关键字,来描述图像的内容,并做成索引,以方便图像的检索。但是由于图像的数量几乎呈指数形式增长,人工标注图像的办法显得既费时、费力,又容易产生错误。因此,人们迫切的希望能够对图像进行自动标注。此外,图像自动标注由于其对于图像理解和网络图像检索都有着重要的意义,所以近年来已成为新的热点研究课题。本文在认真总结各种图像标注方法的基础上,提出了一种有效的图像标注方法,这就是基于词间相关性的CMRM标注方法。本文将图像标注分为两个部分进行,首先利用已有的CMRM模型对图像进行基本的标注。然后,全面分析标注关键字之间的语义关系,提取了关键字之间的词间相关关系,并利用词间相关性矩阵进行存储。该矩阵对关键字之间的语义相关性进行了描述。最后,利用图学习算法,将词间相关性矩阵叠加到初始标注矩阵上,使得词间的相关关系在各个关键字之间传播从而对标注结果进行改善。最后为了对标注效果进行验证,利用Corel图像库中的自然场景图像对本文方法进行实验。实验结果表明,本文方法很好的完成了对测试集图像的自动标注。在查全率与查准率方面都较CMRM模型有所提高。与共现模型和机器翻译模型相比,查全率分别提高了3倍和1.5倍,查准率分别高了5.5倍和2.7倍,正确检索到的关键字数目也分别提高了3.5倍和1.3倍。从而验证了本文方法在图像自动标注方面的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.1.1 课题研究背景
• 1.1.2 论文研究的目的和意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文的主要工作
• 第2章 图像标注的基本方法
• 2.1 图像自动标注简介
• 2.2 图像标注的基本步骤
• 2.2.1 训练图像集
• 2.2.2 图像分割
• 2.2.3 特征提取
• 2.2.4 图像描述
• 2.2.5 图像标注模型
• 2.2.6 标注结果评价
• 2.3 本章小结
• 第3章 基于词间相关性的CMRM 标注方法
• 3.1 CMRM 标注方法
• 3.1.1 图像描述方法
• 3.1.2 CMRM 标注的基本原理
• 3.1.3 CMRM 的图像标注算法
• 3.2 基于词间相关性的CMRM 标注算法设计
• 3.2.1 词间相关性描述
• 3.2.2 词间相关关系提取算法
• 3.2.3 相关关系传播算法
• 3.2.4 基于词间相关性标注算法
• 3.3 标注整体结构
• 3.4 本章小结
• 第4章 基于词间相关性的标注方法实现
• 4.1 方法概述
• 4.2 实验结果及分析
• 4.2.1 实验数据集的构建
• 4.2.2 参数的选择
• 4.2.3 实验结果
• 4.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢