研究方法论课程论文.doc

 PAGE \* MERGEFORMAT 6 基于语义的图像自动标注与检索研究 摘要：随着多媒体和网络技术的迅速发展，图像数据不断扩大。如何有效的利用这些大量的图像，成为人们面临的一大难题。如何通过图像标注和检索来高效的利用图像资源，一直以来都是计算机领域的热点问题。然而最近的研究表明在基于内容图像检索和人类对于图像语义的理解之间仍然存在非常大的偏差。因此，在这个领域的研究逐渐转变成解决低层次图像特征和高层语义特征之间的“语义鸿沟”。因而基于语义的图像标注和检索技术是图像发展的必然，它融合了以往的许多图像检索的技术，建立图像的语义标注和检索机制势在必行。 关键字：图像标注，图像检索，图像语义检索，语义鸿沟 中图法分类号：TP391.431 文献标志码：A Automatic image annotation and retrieval system based on semantic Ke Shanwu school of computer science, Central China Normal University, Wuhan 430070,China; Abstract: with the rapid development of multimedia and Internet technology, image data is continually expanding. How to effectively use a broad array of images becomes a major problem facing the people. How to efficiently by image annotation and retrieval using image resources, has always been a hot issue in the field of computer. However, recent studies have shown that in content-based image retrieval and humanitys understanding of image semantics still exist the very large deviations. Therefore, research in this field gradually transformed into solving low-level features and high-level semantics between semantic gap. Image annotation and retrieval based on semantic technology is the inevitable image, it combines many previous image retrieval technology, it is imperative to establish mechanism for semantic annotation and retrieval of images. Keywords: image annotation, image retrieval, image semantic retrieval, semantic gap 0 引言 随着计算机处理能力日益增强，因特网(Internet)技术的广泛普及和网络宽带不断提高，大量的包括数字、文本、图形、图像、动画和视频等多媒体信息不断产生。图像时对客观对象的一种相似性、生动性的描述或写真，它包含了被描述对象的有关信息，是人们最主要的信息源之一。数字化技术给人们带来了极大的方便，但同时，也面临着如何有效地针对海量数据进行分析，存储和检索的问题。对于图像信息而言，这些数据汇聚为一个海量图像数据库，如何从这些海量数据中搜索人们感兴趣的信息并有效利用这些信息依然是公认的难题。 为了满足人们对图像的使用与检索需求，自20世纪90年代起，基于内容的图像检索(content-based image retrieve)系统应运而生。基于图像的内容如颜色、形状和纹理等特征来检索图像的技术(CBIR)应运而生，研究者已经开发了许多基于内容的图像检索系统，如Photobook[1]，QBIC[2]，Virage[3]等。CBIR 的主要思想是根据图像的颜色、形状、纹理等底层特征建立图像的特征向量库，检索时对用户输入的图像作底层特征提取，再到图像的特征向量库进行查找，将最匹配图像输出。这些图像检索系统主要是