基于EM的非监督图像多标签区域标定算法.PDFVIP

第２９卷第２期　　　 计算机应用与软件 Ｖｏｌ２９Ｎｏ．２ ２０１２年２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｆｅｂ．２０１２ 基于ＥＭ的非监督图像多标签区域标定算法 滕　舟　郭跃飞 （复旦大学计算机科学技术学院　上海２００４３３） 摘　要　　提出一个基于ＥＭ迭代的非监督图像多标签区域标定算法，它能够非常有效地将基于全图的标签自动标定到图像的对 应局部区域上。首先对所有图像进行ＳＩＦＴ特征点的密集采样，然后对所有的ＳＩＦＴ特征点进行Ｋｍｅａｎｓ聚类，获得词典，再构造ＥＭ 迭代过程计算出每幅图像中每个标签对每个存在ＷＯＲＤ的置信度，最后选择那些置信度较高的ＷＯＲＤ，确定每幅图像中每个标签 置信度最高的对应区域。实验表明，在样本数据充分的情况下，该算法在解决非监督自动标定、标签表观的多样性以及多标签等问 题上都取得了不错的效果。 关键词　　ＳＩＦＴ　ＷＯＲＤ　词典　ＥＭ 中图分类号　ＴＰ３０１　　　　文献标识码　Ａ ＡＮＥＭＢＡＳＥＤＵＮＳＵＰＥＲＶＩＳＥＤＲＥＧＩＯＮＳＡＮＮＯＴＡＴＩＯＮＡＬＧＯＲＩＴＨＭＦＯＲ ＭＵＬＴＩＬＡＢＥＬＳＯＦＩＭＡＧＥ ＴｅｎｇＺｈｏｕ　ＧｕｏＹｕｅｆｅｉ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＦｕｄａｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００４３３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｏｐｏｓｅａｎＥＭｉｔｅｒａｔｉｏｎｂａｓｅｄｕｎｓｕｐｅｒｖｉｓｅｄｒｅｇｉｏｎｓａｎｎｏｔａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｉｍａｇｅｍｕｌｔｉｌａｂｅｌｓ，ｗｈｉｃｈｃａｎ ａｕｔｏｍａｔｉｃａｌｌｙｒｅａｓｓｉｇｎｔｈｅｍａｎｕａｌｌｙａｎｎｏｔａｔｅｄｌａｂｅｌｓｆｒｏｍｔｈｅｉｍａｇｅｌｅｖｅｌｔｏｔｈｅｉｒｃｏｒｒｅｓｐｏｎｄｉｎｇｌｏｃａｌｓｅｍａｎｔｉｃｒｅｇｉｏｎｓｅｆｆｅｃｔｉｖｅｌｙ．Ｆｉｒｓｔ，ｗｅ ｅｘｔｒａｃｔＳＩＦＴｆｅａｔｕｒｅｐｏｉｎｔｓｂｙｄｅｎｓｅｓａｍｐｌｉｎｇｆｒｏｍａｌｌｔｈｅｉｍａｇｅｓｉｎｔｈｅｄａｔａｓｅｔａｎｄｃｒｅａｔｅｔｈｅｄｉｃｔｉｏｎａｒｙｂｙＫｍｅａｎｓｃｌｕｓｔｅｒｉｎｇｏｎａｌｌｔｈｅ ｅｘｔｒａｃｔｅｄＳＩＦＴｆｅａｔｕｒｅｐｏｉｎｔｓ．ＴｈｅｎａｎＥＭｉｔｅｒａｔｉｖｅｐｒｏｃｅｓｓｉｓｃｏｎｓｔｒｕｃｔｅｄｔｏｃａｌｃｕｌａｔｅｔｈｅｃｏｎｆｉｄｅｎｃｅｏｆｅａｃｈｌａｂｅｌｗｉｔｈｒｅｇａｒｄｔｏｅａｃｈｅｘｉｓｔｅｄ ＷＯＲＤｉｎｅａｃｈｉｍａｇｅ．Ｆｉｎａｌｌｙ，ｗｅｃｈｏｏｓｅｔｈｏｓｅＷＯＲＤｓｗｉｔｈｈｉｇｈｅｓｔｃｏｎｆｉｄｅｎｃｅｔｏｄｅｔｅｒｍｉｎｅｅｖｅｒｙｃｏｒｒｅｓｐｏｎｄｉｎｇｒｅｇｉｏｎｉｎｅａｃｈｉｍａｇｅｈａｖｉｎｇ ｔｈｅｌａｂｅｌｏｆｈｉｇｈｅｓｔｃｏｎｆｉｄｅｎｃｅ．Ｅｘｐｅｒｉｍｅｎｔｓｄｅｍｏｎｓｔｒａｔｅｔｈｅｅｎｃｏｕｒａｇｉｎｇｐｅｒｆｏｒｍａｎｃｅｏｆｏｕｒｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｎｓｏｌｖｉｎｇｔｈｅｐｒｏｂｌｅｍｓｏｆ ｕｎｓｕｐｅｒｖｉｓｅｄａｕｔｏｍａｔｉｃａｎｎｏｔａｔｉｏｎ，ａｐｐｅａｒａｎｃｅｄｉｖｅｒｓｉｔｙｏｆｌａｂｅｌｓａｎｄｍｕｌｔｉｌａｂｅｌｓ，ｅｔｃ．ｏｎｔｈｅｐｒｅｍｉｓｅｏｆｓｕｆｆｉｃｉｅｎｔｓａｍｐｌｅｓｄａｔａ． Ｋｅｙｗｏｒｄｓ　　ＳＩＦＴ　ＷＯＲＤ　Ｄｉｃｔｉｏｎａｒｙ　ＥＭ 率，将会是一个非常有意义和实用价值的工作。 ０　引　言 在图像视觉领域，已经有很多类似的相关工作，如图像分割 和物体识别。文献［１］综合边缘检测和物体部分检测的结果， 伴随着互联网的迅猛发展，各种不同表现形式、不同内容的 对前景