基于图像自动标注的图像检索系统的研究实现

论文摘要

图像是人们认识世界最直观的载体,近年来随着多媒体数码技术的飞速发展和Internet的迅速普及,海量的图像数据涌入计算机网络,并且以几何级数快速增长。然而如此海量的图像数据并没有转化为信息和知识,人们对图像资源的利用可以说微乎其微。究其原因,人们很难快速准确地在海量的图像数据中找到自己需要的信息,也就是所谓的图像检索技术的不成熟。从上个世纪70年代就开始有图像检索技术的研究,主要是基于文本的图像检索技术（Text-based Image Retrieval,简称TBIR）。TBIR对图像初期的人工标注要求很高,有其很大的局限性,特别是近年来图像来源的丰富和不确定性,极其庞大的图像数量使规范的人工标注不可实现。90年代以后出现了基于内容的图像检索技术（Content-based Image Retrieval,简称CBIR）,在低层次上已经实现了颜色和纹理直方图、颜色矩和颜色集等多种图像特征值的检索技术,但人们对图像的理解和需求更多出于语义层次上,所以本文选择了基于图像语义自动标注的检索系统作为研究课题。针对现有的技术本文主要做了一下工作：第一,对图像检索的发展历程进行了总结,研究了图像挖掘和图像自动标注技术。第二,设计了一个基于分类机制的自动图像标注和图像检索的系统模型。第三,针对“词袋”模型的近重复检索的问题,提出了通过关联规则算法,发现频繁一起出现的视觉词组,从而消除视觉多义性和同义性,并对检索结果重新排序,返回更接近用户意图的检索结果。第四,提出了AS-BoW模型,优化自动图像标注检索的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像检索技术的发展及现状
• 1.2 本文的研究意义
• 1.3 主要研究内容和章节安排
• 第二章 图像挖掘和自动图像标注
• 2.1 数据挖掘和图像挖掘
• 2.1.1 数据挖掘概述
• 2.1.2 数据挖掘的常用技术
• 2.1.3 图像挖掘
• 2.2 图像挖掘的技术和模型
• 2.2.1 基于空间关联规则的图像挖掘
• 2.2.2 概念挖掘
• 2.3 自动图像标注
• 2.3.1 基于分类的图像标注
• 2.3.2 基于检索的图像标注
• 2.3.3 基于概率关联的图像标注
• 2.4 本章小结
• 第三章 基于自动图像标注的图像检索模型
• 3.1 算法的技术路线
• 3.1.1 图像分割
• 3.1.2 LDA模型
• 3.2 图像的语义层次模型
• 3.3 系统框架设计
• 3.3.1 图像初始化
• 3.3.2 自动图像标注
• 3.3.3 图像检索
• 3.4 实验结果及分析
• 3.5 本章小结
• 第四章 近似重复图像检索的算法改进
• 4.1 近似重复图像检索
• 4.2 图像检索的评价标准
• 4.3 基于BAG OF WORDS模型的近似重复图像检索
• 4.3.1 BAG OF WORDS模型
• 4.3.2 基于BAG OF WORDS模型的近似重复图像检索
• 4.3.3 BAG OF WORDS模型的优化
• 4.3.4 实验结果分析
• 4.4 基于图像标注相似度的排序
• 4.5 实验结果及分析
• 4.5.1 实验设置
• 4.5.2 结果分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 本文总结
• 5.2 系统的不足及对图像语义研究领域的展望
• 参考文献
• 致谢