基于遗传算法和FCM的图像自动标注.pdfVIP

总第305期 计算机与数字工程 Vo1．43No．3 2015年第3期 Computer DigitalEngineering 497 基于遗传算法和 FCM 的图像 自动标注 赵洪宋 潘地林 安徽理工大学计算机科学与工程学院 淮南 232001 摘 要 为了缩减图像底层视觉特征与高层语义之间的 “语义鸿沟”及减少聚类的不稳定性，论文提出了一种基于遗传 算法和FCM 的图像 自动标注方法 。该方法首先提取图像的颜色和纹理特征，然后运用遗传算法和 FCM 相结合的方法对 图像进行聚类。最后通过支持向量机学习训练库的图像特征构造简单的多类支持向量机模型实现图像的自动标注。实验 表明，该方法具有很好的图像标注性能。 关键词 图像 自动标注；遗传算法 ；模糊c均值聚类 ；简单多类支持向量机 中图分类号 TP391 DOI：10．3969／j．issn1672—9722．2015．03．036 AutomaticImageAnnotationBasedonGeneticAlgorithmsandFCM ZHAO Hongsong PAN Dilin SchoolofComputerScienceandEngineering，AnhuiUniversityofScienceandTechnology，Huainan 232001 Abstract Inordertoreducethesemanticgapbetweenlow-levelvisualfeaturesofimageandhigh-levelsemanticsand reducetheinstabilityofcluster，amethodofautomaticimageannotationbasedongeneticalgorithmsandFCM isproposed． Firstly，thecolorfeatureandtexturefeatureofimageareextracted．Thenthemethodofcombininggeneticalgorithm and FCM isusedtOclusterimage．Finally，SVM constructssimplifiedmulti-classsupportvectormachinemodelbystudyingthe imagecharacterinthetrainingbasetorealizeautomaticimageannotation．Theexperimentsshow thatthemethodhasgood imageannotationperformance． KeyW ords automaticimageannotation，geneticalgorithm ，fuzzyC-meansclusteringalgorithm，simplifiedmulti—class supportvectorma chine ClassNumtmr TP391 图像 自动标注是图像检索的关键环节，它通过学习 1 引言 已标注图像的底层视觉特征，建立与高层语义之间 近年来，随着多媒体技术的飞速发展，由各种 的关系映射模式，并通过此模型标注未知图像 。 目 智能数码产品获取的图像在互联网上快速增长。 前，图像 自动标注主要有基于全局特征的图像 自动 因此，有效地组织和检索互联网上的海量图像数据 标注和基于区域划分的图像 自动标注两种方法。 成为迫切需要解决的问题 。 前者是一种有监督的学习方法，根据图像场景语义 图像检索的主要方式有基于文本的图像检索 进行标注，如文献-[23通过图像全局特征进行图像 TBIR 和基于内容的图像检索 CBIR [】]。TBIR 自动标注。后者是采用分割算法，先将图像划分为 要求对图像先建立文本索引，然后对图像的检索和 若干区域，再基于区域划分进行图像 自动标注，如 对文本关键词间建立相关性匹配和查询 。CBIR则 文献[3～5]利用支持向量机 SVM 的方法对图像 是先建立以图像底层视觉特性为内容的索引，然后 进行标注。 目前，多数研究者将基于区域划分作为 通过匹配模型计算内容索引与数据库之间的相似 研究课题，也取得 了一定的进展 。 度。然而 CBIR因 “语义鸿沟”的存在而受到限制。 为了缩减 “语义鸿沟”，同时为了减少聚类的不 收稿 日期：2014年 9月 5日，修回日期：2014年 lO月 27日 作者简介：赵洪宋，女，硕士，研究方向：图形图像处理。潘地林 ，男，教授 ，研究方向：流体机械、图形图像处理。 498 赵洪宋等 ：基于遗传算法和FCM的图像 自动标注 第43卷 稳定性，本文提出了一种基于遗传算法和FCM