基于本体的图像语义的自动标注研究

基于本体的图像语义的自动标注研究

论文摘要

随着科学技术的飞速发展,数字图像已成为计算机世界的主要资源之一。传统的图像语义手工标注方法由于主观性强和工作量大等问题已不能满足人们的需要,如何自动地给图像生成标注词汇已经成为了一个亟待解决的问题。图像语义自动标注方法旨在构造一个能自动地为图像语义生成描述词汇的标注框架,从而在图像的底层特征和高层语义之间建立一座桥梁。随着机器学习、统计方法、语义网相关理论和技术的发展,国内外学者提出了许多图像语义的自动标注框架和采用本体标注图像语义的方法。为此,本文提出了基于本体的图像语义自动标注方法,并围绕图像语义自动标注方法的一些相关问题进行了深入的研究,其主要工作归纳如下:在综述了图像语义自动标注方法的基础上,介绍了图像语义的相关理论和知识,包括图像语义的层次结构、图像语义的表示方法、图像特征语义的提取、本体技术的相关理论等。依据现有感兴趣区域的提取方法,提出一种新的基于感兴趣区域描述图像的方法,首先通过改进的聚类算法把图像分割成有意义的图像区域,然后通过图像区域的灰度变化和面积比率计算区域的感兴趣度。本文根据区域的感兴趣度来确定图像的感兴趣区域,并根据感兴趣度计算图像区域的视觉权值以衡量区域的重要程度。在此基础上进行了图像检索的仿真实验,实验结果表明本文提出的基于感兴趣区域描述图像的检索方法有较好的准确性。在分析了基于本体的图像语义标注的基础上,提出一种基于本体的图像语义自动标注方法,将自动标注过程分为对象语义提取和场景语义提取两个阶段。把图像区域的视觉权值应用到图像标注的训练库中,结合贝叶斯分类方法计算图像区域所对应的对象语义的先验概率和后验概率来生成对象语义,然后根据已标注的对象语义,结合本体对象概念与场景概念的关系以及训练集中对象与场景的关联关系提取图像的场景语义。通过基于简单词汇查询和基于本体的语义扩展查询的图像检索系统的仿真实验,证明提出的基于本体的自动标注方法具有较好的性能。

论文目录

  • 摘要
  • Abstract
  • 插图索引
  • 附表索引
  • 第1章 绪论
  • 1.1 研究背景及意义
  • 1.2 国内外研究现状
  • 1.3 本文主要工作和创新点
  • 1.4 本文组织结构
  • 第2章 图像语义标注相关理论
  • 2.1 图像语义层次分析
  • 2.2 图像语义的表示方法
  • 2.3 图像底层特征提取
  • 2.3.1 颜色特征提取
  • 2.3.2 形状特征提取
  • 2.3.3 纹理特征提取
  • 2.4 本体技术
  • 2.4.1 本体的定义和分类
  • 2.4.2 本体的建模元语
  • 2.4.3 构造本体的规则
  • 2.5 本章小结
  • 第3章 图像感兴趣区域
  • 3.1 感兴趣区域
  • 3.1.1 图像分割
  • 3.1.2 感兴趣区域提取
  • 3.1.3 区域视觉权值的计算
  • 3.2 图像特征相似度计算
  • 3.2.1 底层特征规范化处理
  • 3.2.2 综合特征相似性计算
  • 3.3 基于感兴趣区域加权的图像检索
  • 3.4 实验与分析
  • 3.5 本章小结
  • 第4章 基于本体的图像自动标注及应用
  • 4.1 基于本体的图像语义标注
  • 4.2 图像语义自动标注
  • 4.2.1 对象语义的自动提取
  • 4.2.2 场景语义的自动提取
  • 4.3 基于本体的图像检索
  • 4.3.1 基于本体的图像检索框架
  • 4.3.2 基于本体的语义扩展查询
  • 4.4 实验与性能分析
  • 4.4.1 系统性能评价指标
  • 4.4.2 实验结果与分析
  • 4.5 本章小结
  • 总结和展望
  • 参考文献
  • 附录 A 攻读硕士期间发表的论文和参加的项目
  • 致谢
  • 相关论文文献

    • [1].基于稀疏编码的图像自动标注[J]. 电子技术与软件工程 2017(04)
    • [2].深度学习在图像自动标注中的应用初探[J]. 智能计算机与应用 2020(03)
    • [3].基于模糊聚类的制造云服务语义自动标注技术[J]. 组合机床与自动化加工技术 2015(01)
    • [4].基于外部数据库的图像自动标注改善模型分析[J]. 计算机光盘软件与应用 2012(06)
    • [5].基于弱匹配概率典型相关性分析的图像自动标注[J]. 软件学报 2017(02)
    • [6].查询歧义性程度自动标注指标的替代性验证研究[J]. 数据分析与知识发现 2019(02)
    • [7].基于发音特征的汉语发音偏误自动标注[J]. 北京大学学报(自然科学版) 2018(02)
    • [8].图像与视频自动标注最新进展[J]. 计算机科学 2011(12)
    • [9].图像自动标注技术研究进展[J]. 计算机应用 2016(08)
    • [10].简单零件的三维自动标注[J]. 机械设计与制造工程 2014(07)
    • [11].汉语和英语音高重音自动标注方法的对比与分析[J]. 声学学报 2012(05)
    • [12].基于核密度估计的图像自动标注方法[J]. 计算机工程 2010(06)
    • [13].基于集成分类的暴恐图像自动标注方法[J]. 太赫兹科学与电子信息学报 2020(02)
    • [14].基于视觉语义主题的图像自动标注[J]. 测控技术 2016(12)
    • [15].融合语义主题的图像自动标注[J]. 软件学报 2011(04)
    • [16].一个基于语义上下文建模的图像自动标注系统[J]. 计算机研究与发展 2011(S3)
    • [17].视频自动标注系统中的文本对齐算法[J]. 微计算机信息 2010(24)
    • [18].基于人脸识别的影视剧镜头自动标注及重剪系统[J]. 上海大学学报(自然科学版) 2017(03)
    • [19].基于联合媒体相关模型的图像自动标注改进算法[J]. 北京工业大学学报 2014(04)
    • [20].基于外部数据库的图像自动标注改善模型[J]. 计算机应用 2010(10)
    • [21].基于EPS的建筑面积自动标注统计方法[J]. 科学技术创新 2020(31)
    • [22].基于深度学习的图像自动标注算法[J]. 数据采集与处理 2015(01)
    • [23].混合生成式和判别式模型的图像自动标注[J]. 中国图象图形学报 2015(05)
    • [24].基于GB/T 24734的三维自动标注[J]. 北京航空航天大学学报 2012(03)
    • [25].AutoCAD平台下多边形边长自动标注的方法[J]. 城市勘测 2011(04)
    • [26].一种基于SVDD的图像自动标注方法[J]. 计算机应用与软件 2010(10)
    • [27].中文时间信息的TIMEX2自动标注[J]. 清华大学学报(自然科学版)网络.预览 2008(01)
    • [28].基于SSD神经网络的图像自动标注及应用研究[J]. 信息技术与标准化 2020(04)
    • [29].基于混合判别受限波兹曼机的音乐自动标注算法[J]. 华东理工大学学报(自然科学版) 2017(04)
    • [30].一种基于多模态主题模型的图像自动标注方法[J]. 国外电子测量技术 2015(05)

    标签:;  ;  ;  ;  ;  ;  

    基于本体的图像语义的自动标注研究
    下载Doc文档

    猜你喜欢