基于语义网的图像检索算法的研究

论文摘要

目前我们所使用的互联网,计算机对文字、图像、视频等信息只起到存储、传输的作用,对其语义无法进行识别、理解和处理。语义网是当前现有计算机网络的扩展,它提供对数据本身的语义描述,实现不同计算机之间的智能化交互,从而使Web成为全球化信息共享的智能服务平台。图像搜索在Internet网、数码照片进行自动分类、医学图像分类及卫星遥感图像处理等有着非常广泛应用,对下一代Internet网,即语义网图像搜索的研究具有非常重要的意义和潜在的应用价值。主要研究工作包括:对颜色量化及颜色特征提取作了深入研究。为了更准确的提取图像的颜色特征及方便后面的语义分类,提出一种基于图像块颜色量化码书的码词分布直方图来描述图像的颜色特征。该描述子提取简单,计算速度快,符合人类感知。提出了一种梯度方向直方图金字塔PHOG描述子,它能很好的描述局部形状特征及形状的空间布局分布情况,具有较好的鲁棒性和稳定性。结合颜色码书和PHOG的图像检索方法在实验中取得了很好的效果。用SVM支持向量机建立了一个决策树层次架构,用于对前面建立的本体框架进行分类,实现基于语义的图像检索。对同一语义类的图像在按与查询例图的相似度进行RANK时,提出一种新的称为互相似序号的测度用于更好的测度图像间的相互相似性,同时对传统RANK方法加以改进,使之更符合人类对图像相似性的感知。在实验中取得了较好的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 基于语义网的图像检索算法的研究的目的及意义
• 1.2 国内外研究现状
• 1.3 语义网的图像检索算法的研究背景
• 1.4 本文的研究内容
• 1.5 本文的组织
• 第2章 基于底层特征的图像提取算法
• 2.1 引言
• 2.2 颜色空间及常用颜色特征
• 2.3 常用形状特征
• 2.4 本文的特征提取算法设计与分析
• 2.4.1 颜色特征提取
• 2.4.2 形状特征提取
• 2.5 特征提取算法实验
• 2.5.1 实验环境
• 2.5.2 实验步骤
• 2.5.3 实验结果及分析
• 2.6 本章小结
• 第3章 基于语义网的图像检索算法
• 3.1 引言
• 3.2 语义处理
• 3.3 支持向量机模型
• 3.4 基于语义网的图像检索算法设计
• 3.4.1 语义层体系设计
• 3.4.2 互相似序号与RANK 方法改进
• 3.4.3 语义检索算法设计
• 3.5 基于语义网的图像检索算法实验
• 3.5.1 实验环境
• 3.5.2 实验结果与分析
• 3.6 本章小结
• 第4章 总结与展望
• 4.1 论文工作总结
• 4.2 研究展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文
• 攻读硕士学位期间主持和参加的研究项目