一种基于图划分和图像搜索引擎的图像标注改善算法
本文选题：图像标注改善 + 图划分 ； 参考：《计算机研究与发展》2011年07期
【摘要】：提出了一种基于图划分和图像搜索引擎的图像标注改善算法,通过对待标注图像的候选标注词进行去噪处理,提高标注的准确性.算法的核心思想是将候选标注词作为图的顶点,将标注词间的相关度作为边的权值,从而把图像标注改善问题转换为图划分问题.用2个参数对标注词间的相似度进行加权处理后计算出边的权值:参数1是根据图像搜索引擎返回结果计算出的候选标注词与待标注图像视觉特征之间的相关度;参数2是候选标注词在待标注图像所属页面中的重要程度,此参数仅适用于Web图像.然后,用启发式最大割算法对构造出的图进行二划分,最后从划分出的2个顶点集中选择其一作为最终标注.实验结果表明,对比已有方法,使用本算法对非Web图像和Web图像进行标注改善后,最终的标注结果都更加准确.
[Abstract]:An improved algorithm for image tagging based on graph partitioning and image search engine is proposed. The denoising of candidate tagging words in tagged images is processed to improve the accuracy of tagging. The core idea of the algorithm is to take candidate tagging words as vertices of graphs and the correlation between tagged words as weights of edges, so as to transform the problem of image tagging improvement into graph partitioning problems. Two parameters are used to weigh the similarity between tagged words to calculate the edge weight: parameter 1 is the correlation between the candidate tagged words and the visual features of the image to be tagged according to the result of the image search engine. Parameter 2 is the degree of importance of candidate tagging words in the page of the image to be tagged, and this parameter is only suitable for Web images. Then, a heuristic maximum cut algorithm is used to divide the constructed graph. Finally, one of the two vertices is selected as the final annotation from the two vertices set. The experimental results show that, compared with the existing methods, the final labeling results are more accurate after using this algorithm to improve the tagging of non-Web images and Web images.
【作者单位】： 山东大学计算机科学与技术学院;山东经济学院计算机科学与技术学院;山东省数字媒体技术重点实验室;
【基金】：国家自然科学基金项目(60970047,60970048) 山东省自然科学基金项目(Y2008G19) 山东省科技攻关计划基金项目(2007GG10001002) 山东省高等学校科技计划基金项目(J10LG69)
【分类号】：TP391.41
【参考文献】
相关博士学位论文 前1条
1 王斌;图像检索中自动标注与快速相似搜索技术研究[D];中国科学技术大学;2007年
【二级参考文献】
相关期刊论文 前1条
1 路晶;马少平;;基于概念索引的图像自动标注[J];计算机研究与发展;2007年03期
【相似文献】
相关期刊论文 前10条
1 马玉洁;;使用Voronoi图对流场拓扑区域进行划分[J];工程图学学报;2011年03期
2 陈丽娜;;基于海洋流场的拓扑区域划分的研究[J];电子设计工程;2011年08期
3 刘喻;门爱华;汪汀;冯建华;;基于极大关联属性集分解的隐私保护数据发布[J];清华大学学报(自然科学版);2011年07期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
相关会议论文 前6条
1 刘培强;谢青松;朱大铭;;用于基因表达谱数据聚类分析的贪心图划分算法研究[A];2006年全国理论计算机科学学术年会论文集[C];2006年
2 邵承永;王孝通;徐晓刚;;基于特征点提取的矢量地图鲁棒水印算法[A];第十二届全国图象图形学学术会议论文集[C];2005年
3 聂承启;喻云峰;;聚类分析中Chameleon算法的研究[A];2006年全国理论计算机科学学术年会论文集[C];2006年
4 周水庚;孙敬宇;胡运发;;一种文档聚类新方法[A];第十六届全国数据库学术会议论文集[C];1999年
5 吴继兵;李心科;;基于K-最近邻居图划分的聚类中心初始化算法[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年
6 冯钧;陆春燕;;路网数据流的预测聚集查询新方法研究[A];NDBC2010第27届中国数据库学术会议论文集A辑二[C];2010年
相关重要报纸文章 前1条
1 刘;技术和应用结合 Oracle助力中国金融行业转型[N];电脑商报;2007年
相关博士学位论文 前7条
1 马永刚;图划分方法及其在分布式网络环境下的应用[D];大连理工大学;2012年
2 王斌;图像检索中自动标注与快速相似搜索技术研究[D];中国科学技术大学;2007年
3 王长虎;互联网环境下大规模图像的内容分析、检索和自动标注的研究[D];中国科学技术大学;2009年
4 芮晓光;真实世界环境下的自动图像标注方法研究[D];中国科学技术大学;2010年
5 徐森;文本聚类集成关键技术研究[D];哈尔滨工程大学;2010年
6 孔丁科;几何活动轮廓图像分割模型的研究[D];浙江大学;2010年
7 刘峥;图像的语义标注及其改善问题研究[D];山东大学;2011年
相关硕士学位论文 前10条
1 张燕飞;基于图划分理论的业务构件识别方法的研究与应用[D];厦门大学;2008年
2 万宇文;用户访问模式在线挖掘推荐系统的研究[D];江西师范大学;2003年
3 高倩;基于模糊理论的谱聚类算法研究与应用[D];江南大学;2009年
4 关鹏;二维和三维人脸识别中若干关键问题的研究[D];复旦大学;2008年
5 张云辉;轴类零件图的计算机识别技术研究[D];西北工业大学;2007年
6 施培蓓;数据挖掘技术中聚类算法的研究[D];江南大学;2008年
7 李宏伟;一种综合先验信息的从自然图像中提取感兴趣物体的新方法[D];中国科学技术大学;2009年
8 郭志伟;青州市信访局上访管理系统的设计与实现[D];山东大学;2010年
9 张振楠;蓝图网络信息资讯客户管理系统的设计与实现[D];山东大学;2010年
10 石美;基于图论的阈值化图像分割方法研究[D];合肥工业大学;2011年
，本文编号：2067251
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2067251.html
