学位论文 > 优秀研究生学位论文题录展示

基于Semi-CCA的自动图像标注研究

作　者: 音学
导　师: 罗斌
学　校: 安徽大学
专　业: 计算机应用技术
关键词: 自动图像标注 图像分割 JSEG LBP CCA Semi-CCA
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 18次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着信息技术的快速发展,信息获取和信息存储能力的不断提高,从海量数据中获取我们感兴趣的信息成为当前研究的热点之(?)同样,在计算机视觉和图像处理及模式识别领域,图像检索也成为重要的研究方向之一。在早期,因为数据量并不十分庞大,人们考虑使用基于文本的图像检索方式,这种检索方式,优点是检索准确且直观。然而,随着信息量的指数级增长,对图像进行手工标注,工作量巨大,且存在因为不同标注者主观感觉不同导致的标注二义性。于是,基于内容的图像检索方式被提出并得到了很快发展,它主要是从图像中提取低层特征,包括颜色、纹理、空间关系等,然后计算图像之间的特征相似性,找到对应图像。这种方法灵活,丰富,但是也存在一个很大的问题,就是“语义鸿沟”,即相同或相似的低层特征往往对应完全不同的高层语义特征。为了解决这个问题,人们提出了基于自动图像标注的检索,用与图像检索等方面。这种方法核心是学习一个已经标注好的图像库,找到图像低层特征和标注词之间的对应模型,再用该模型,计算出最适合待标注图像的关键词。于是,基于标注的图像检索就转换成了已经发展成熟的基于文本的图像检索了。本文,借助于统计学中的典型相关分析工具,可以得到标注库中标注词向量组和图像低层特征向量组之间的相关性,从而得到投影的特征向量,再使用k-means聚类,得到若干概念类,将概念类中的图像进行分割,提取这些区域的低层特征,继续进行k-means聚类,这样,每一个概念类中,得到若干特征相似的块blob,最后,利用多伯努利模型,就可以计算的到块bi与每个关键词之间的联合概率分布表。对于待标注的图像,首先进行基于改进的JSEG算法的图像分割,对分割的每个区域,提取贡献最大的低层特征的Semi-CCA投影,找到区域所属于的块,结合已经得到的联合概率分布表,我们就可以找出最合适的标注词了。

全文目录


摘要  3-4
Abstract  4-5
目录  5-7
第一章 绪论  7-11
  1.1 研究背景及选题意义  7-9
  1.2 国内外研究现状  9
  1.3 论文的主要内容  9-11
第二章 自动图像标注研究概述  11-18
  2.1 引言  11
  2.2 共生模型  11-14
  2.3 机器翻译模型  14-15
  2.4 跨媒体相关模型  15-16
  2.5 连续空间相关模型  16
  2.6 多伯努利相关模型  16
  2.7 互相关标签传播模型  16-17
  2.8 小结  17-18
第三章 图像分割与特征提取  18-36
  3.1 引言  18
  3.2 基于改进的JSEG方法的图像分割  18-28
    3.2.1 图像分割方法概述  19-21
    3.2.2 强化边缘信息的JSEG改进算法  21-27
    3.2.3 实验结果与分析对比  27-28
  3.3 图像低层特征信息提取方法概述  28-34
    3.3.1 基于颜色的图像特征提取  28-31
    3.3.2 基于纹理的图像特征提取  31-34
  3.4 本文图像低层特征向量的模型构建  34
  3.5 小结  34-36
第四章 基于Semi-CCA的自动图像标注的实现  36-53
  4.1 引言  36
  4.2 CCA简介  36-39
  4.3 基于CCA的自动图像标注原理  39-46
    4.3.1 文本特征向量空间模型  39-40
    4.3.2 图像低层特征空间模型  40
    4.3.3 CCA投影  40-41
    4.3.4 基于k-means的标注聚类  41-44
    4.3.5 基于k-means的分割图像区域聚类  44
    4.3.6 关键词和块之间的联合概率分布模型构建  44-46
  4.4 Semi-CCA的基本原理  46-47
  4.5 基于Semi-CCA的自动图像标注原理  47-48
  4.6 成对约束信息的提取  48
  4.7 大概率标注词输出模型  48-50
  4.8 实验结果与分析  50-52
    4.8.1 实验数据集及实验方法  50
    4.8.2 性能指标  50
    4.8.3 实验结果  50-52
  4.9 小结  52-53
第五章 总结与展望  53-55
参考文献  55-61
致谢  61-62
攻读学位期间发表的学术论文目录  62-63
攻读硕士学位期间所参加的科研项目  63

相似论文

  1. 基于内容的服装图像检索技术研究及实现,TP391.41
  2. 森林防火系统中图像识别算法的研究,TP391.41
  3. 数字图像处理在集装箱检测中的应用研究,TP274.4
  4. 个性化人工膝关节设计及其生物力学特性研究,R318.1
  5. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  6. 红外图像目标识别及跟踪技术研究,TP391.41
  7. 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
  8. 基于OpenCV的人脸检测方法研究,TP391.41
  9. 基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
  10. 基于特征的纸币号码识别的研究,TP391.41
  11. 手指静脉识别技术研究,TP391.41
  12. 基于谱聚类的无监督图像分割,TP391.41
  13. 基于信息融合的道路和障碍物检测方法研究,TP242
  14. 基于图像处理技术的锡膏印刷质量检测,TP391.41
  15. CUDA加速CV图像分割和外部CT图像重建算法研究,TP391.41
  16. 基于GIS的武夷山区植被分布与环境梯度关系分析,Q948
  17. 改进的谱聚类图像分割方法研究,TP391.41
  18. 基于核心灰度分布人脸自动检测方法研究,TP391.41
  19. 基于图像处理的药片计数算法研究,TP391.41
  20. 淮河流域典型河流涡河水生植物分布格局及环境因子分析,Q948
  21. 公交乘客计数系统的模式识别设计,U491.17

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com