面向主题的图像标注与检索

发布时间：2020-11-07 15:36

　　 随着社会信息化的发展和便携式智能图像获取设备的普及,一方面人们作为图片的创造者可以随时随地分享图片,造成互联网海量图像资源的形成,另一方面人们作为图片的使用者,需要从这海量的资源中寻找满足自己需求的图片。这给图像资源的管理、组织与检索带来了挑战。因此,图像相关技术的研究越来越多,图像检索就是其中的一个方面。目前,图像检索研究已经取得相当不错的成果。但从研究的学科分布来看,主要集中于计算机科学领域,且注重于技术层面的改进,而图书情报领域对图像检索稍有研究,且主要集中于理论层面的探讨。因此,本论文拟立足于图书情报领域,在保证图像检索精度的同时,对图像检索的研究进行一些新的尝试,如通过“图文结合”方式组织图像检索。本文首先对国内外现有相关研究文献进行了比较全面的调研与梳理,归纳与总结了现有图像检索技术和图像语义自动标注方法的优势与不足。其次,选取人们日常生活中比较关注的多个主题(雾霾、内涝、花卉和秋叶)作为研究对象,从互联网采集各个主题带有“文字说明”的图像。然后,对图像及文本信息分别进行处理,主要包括三个方面:(1)处理图像的描述文本信息,形成图像语义特征标注,主要涉及关键词提取和关键词语义扩展。(2)对图像特征进行处理,形成图像视觉特征标注,主要包括本文提出的改进颜色直方图算法、现有的LBP纹理特征和灰度共生矩阵算法提取过程,重点描述了改进算法,即利用局部颜色熵对分块图像进行自适应加权来改进颜色直方图。(3)综合图像视觉特征构造SVM多分类模型,主要是为了将所构造的图像分类模型用于基于内容的图像检索,通过在图像低层视觉特征和语义类别间建立关联,缩小这种图像检索方式带来的语义鸿沟,以提高检索性能。最后,在图像标注的基础上,设计并实现了图像检索系统,支持多种检索方式:基于文本的图像检索和基于内容的图像检索(以图搜图)以及两者组合检索方式,重点对以图搜图中的关键技术进行探讨,并提供“图文结合”的方式组织图像检索结果,希望这种更加细粒度的结果呈现方式能够改善用户体验。另外,文章通过相关实验验证了系统的可行性和所提方法的有效性。
【学位单位】：南京理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：G252.7
【部分图文】：

虽然图像检索的研宄已经取得了相当不错的成果，但从整体研宄情况来看，现有的??研宄主要集中在计算机学科领域。以ＣＮＫＩ数据库为检索源、“图像检索”为主题词的??检索结果为例，得到的搜索结果如图１．１所示，可以看出对于图像检索的研究，７６％来??自计算机领域，而图书情报界的研宄相对较少，但也占据重要阵地。作为图像检索研??宄重要的学科载体，计算机领域和图书情报界两者具有不同的侧重点。计算机领域的??研宄更加侧重于图像检索技术层面的改进，所以为图像检索领域的发展做出了重要的??贡献，而图书情报界的研宄主要从图像检索领域的发展、图像检索的基本理论及方??法、在数字图书馆中图像检索的应用等理论性的角度进行分析，对技术环节的研宄较??为薄弱［１］。除了计算机领域侧重的纯技术角度考虑之外，图像检索还可以从更多的角度??进行研宄，图书情报界可以利用其学科优势，更多地从信息组织、检索结果优化等角??度来进行研宄。因此

硕士学位论文?面向主题的图像标注与检索??上述颜色直方图是基于图像全局颜色信息的统计，缺乏空间信息的描述，这会造??成不同图像具有相似的颜色直方图，所以会对图像检索的结果产生一定误差。因此，??本文提出用局部颜色熵对分块图像进行自适应加权，通过对各图像块的颜色信息加权??来表示整个图像的颜色直方图，从而实现对上述ＨＳＶ颜色直方图的改进。??传统的分块策略是将图像均匀划分为块，但这种均匀分块方法忽略了人们的??图像视觉关注点差异，没有体现不同区域的重要性。为了凸显图像不同区域的重要程??度，本文采用文献［８６］提出的等面积矩形环图像分块方法，如图３．４所示，该文献认为??图像中心区域应赋予更大的权重，对各图像子块的权值分配采用固定权值法，按矩形??环由里到外的次序依次递减，来突出图像的主体和背景区域，但这种固定值加权方法??不适用于本研宄。本文部分实验数据如图３．５所示，图像目标区域的分布呈现多样化，??比如图３．５?（ａ）是杜鹃花图片，其主体部分大致位于图像中心；图３．５?（ｂ）内涝图片主??体大致分布在图像中下方区域；图３．５（ｃ）银杏叶图片主体主要分布于图像两侧；图３．５??（ｄ）?￣?（ｆ）主体分布较为均匀，占据整个图像区域，所以在本研宄中图像中心区域并??不一定是图像的主体区域。因此，本文拟采用颜色熵对图像子块进行自适应加权。??

传统的分块策略是将图像均匀划分为块，但这种均匀分块方法忽略了人们的??图像视觉关注点差异，没有体现不同区域的重要性。为了凸显图像不同区域的重要程??度，本文采用文献［８６］提出的等面积矩形环图像分块方法，如图３．４所示，该文献认为??图像中心区域应赋予更大的权重，对各图像子块的权值分配采用固定权值法，按矩形??环由里到外的次序依次递减，来突出图像的主体和背景区域，但这种固定值加权方法??不适用于本研宄。本文部分实验数据如图３．５所示，图像目标区域的分布呈现多样化，??比如图３．５?（ａ）是杜鹃花图片，其主体部分大致位于图像中心；图３．５?（ｂ）内涝图片主??体大致分布在图像中下方区域；图３．５（ｃ）银杏叶图片主体主要分布于图像两侧；图３．５??（ｄ）?￣?（ｆ）主体分布较为均匀，占据整个图像区域，所以在本研宄中图像中心区域并??不一定是图像的主体区域。因此，本文拟采用颜色熵对图像子块进行自适应加权。??卜．??，?－－??【３【２?ＩＩ?．Ｘ??、、、、＇、??Ｕｌ?ｘｊ??图３．４等面积矩形环图像分块方法??（ｄ
【参考文献】

相关期刊论文 前10条

1 吴伟;聂建云;高光来;;一种基于改进的支持向量机多分类器图像标注方法[J];计算机工程与科学;2015年07期

2 张永库;李云峰;孙劲光;;基于改进颜色聚合向量与贡献度聚类的图像检索算法[J];计算机科学;2015年02期

3 张少博;全书海;石英;杨阳;李云路;程姝;;基于颜色矩的图像检索算法研究[J];计算机工程;2014年06期

4 项明;姚雪存;崔振东;华铨平;;利用相关反馈技术和形状特征的服装图像检索算法[J];纺织学报;2014年02期

5 沈新宁;王小龙;杜建洪;;基于颜色自相关图和互信息的图像检索算法[J];计算机工程;2014年02期

6 郭玉堂;韩昌刚;;基于CCA子空间和GMM的自动图像标注[J];计算机工程;2013年06期

7 余胜;曾接贤;谢莉;;基于多特征融合的图像检索算法[J];计算机工程;2012年24期

8 张鑫;温显斌;孟庆霞;;基于颜色特征的图像检索方法研究[J];计算机科学;2012年11期

9 刘颖;范九伦;;基于内容的图像检索技术综述[J];西安邮电学院学报;2012年02期

10 陈世亮;郭向东;董洋溢;;结合Web背景知识的图像语义标注[J];计算机工程与应用;2013年04期

相关博士学位论文 前2条

1 赵玉凤;图像检索中自动标注技术的研究[D];北京交通大学;2009年

2 荚济民;基于互联网数据集的图像标注技术研究[D];中国科学技术大学;2009年

相关硕士学位论文 前10条

1 王维;基于内容的图像搜索系统设计与实现[D];北京交通大学;2016年

2 邓姜平;基于场景分类的图像语义自动标注及检索的研究[D];湖南大学;2015年

3 孔文杰;基于文本与视觉信息的图像检索技术研究[D];山东师范大学;2015年

4 王崇锦;面向图像检索的视觉特征提取及语义标注[D];长春工业大学;2015年

5 郝秀琪;基于多特征的图像检索研究[D];大连理工大学;2015年

6 王璇;基于内容图像检索中的对象提取与检索算法研究[D];北京工业大学;2013年

7 钟锐;基于语义的图像检索系统基础技术研究[D];重庆大学;2012年

8 时贺;基于内容的支持向量机图像检索方法研究[D];中南大学;2011年

9 陈曾;基于自动图像标注与翻译技术的语义图像检索研究[D];西南交通大学;2011年

10 龙春琳;基于颜色信息熵与边缘信息熵的图像检索技术研究[D];西安电子科技大学;2010年

本文编号：2874141