一种基于贝叶斯分类的图像自动标引系统研究.pdfVIP

一种基于贝叶斯分类的图像自动标引系统 曹三省李丹黄祥林 中国传媒大学，北京，100024 摘要：本文通过构建一个层次式的分类网络来实现对图像的自动标引。我们构建了适合图像 标引的贝叶斯分类器，并分别对夜晚、白天和黄昏，室内和室外，人造物体和自然风景，以覆 天空、草地、山地和海洋四组模式进行分类。系统对每个分类节点采用一组语义标签来描述， 实现对图像的有效标引。 关键词：图像分类；图像标5{；图像检索 1．引言 随着互联网环境下图形图像技术的普及，海量图像检索技术变得日益重要。它的研究 方向之一是将基于内容的图像检索(CBlR)同基于文本的图像检索相结台，通过视觉特征匹 配，提取图像所表达的对象、场景、行为、情感等高层语义，并形成基于语义概念的文本 元数据以供检索。这一过程构成了媒体资产管理、数字图书馆等应用领域内所称的“标引” 过程“l。但由于人工标引工作量太大，且主观色彩较浓，因此迫切需要一种具有通用性的 图像自动标引方法。 基于语义的图像分类是一种实现图像理解和标引的途径。sz㈣er等“埽0用k-NN分 类器对室内室外两类图像作分类，选用Ohta颜色直方图，多分辨率自回归纹理特征和DCT 系数作为特征。Vailaya等口】采用多级贝叶斯分类对室内、室外、城市、风景分类，选用颜 色矩和边缘方向直方图作为特征。Wang等【41利用SVM分别对白天、夜晚、日出日落、室 内、室外、建筑、风景进行分类。Ren等1利用神经网络机对沙滩、白雪、草坪等自然场 景分类。在标引方式研究上，Li等”1首先确立多个分类主题，对与待标引图像相似的几类 主题，将其标引项依二项式概率排序来获得标引序列。 本文建立了一个面向媒体资产应用环境的层次式内容分类网络，采用贝时斯分类器分剐对 夜晚、白天和黄昏，室内和室外，人造物体和自然风景，以及天空、草地、山地和海洋四组模 式进行分类，对每个分类节点用一组语义标签来描述，通过与用户的交互实现对图像的标引。 2．分类网络 分类网络是一个层次式的架构(如图1)。每一节点代表一类语义，用一组语义标签表 示。节点间用带有转移方向和转移概率的矢量边相连。初始时所有转移概率均为零，经过 各种知识发现过程和定义各种规则，节点间会产生联系，形成一定的概率分布。 资助项目：国家973重点基础研宄规划项目(G1999032907)、中韩亚洲传媒研究基金(AM030051) educn 联系作者：李月，E-mail：dennisnayli@cuc I多媒体应用 分类是定义相邻两层节点联系的一种规则。通过定义分类规则，上层节点会对下层节 点产生很强的联系。还可以定义其他规则来建立联系并动态地加入到网络中，比如通过关 联规则挖掘可能会建立某些非相邻节点间的潜在联系。 图l知识网络示意图 3．面向海量图像检索的贝叶斯分类器 贝时斯分类以贝时斯定理为基础，通过训练大量样本来估算后验概率Pq(c脚，即已知 样本z求其对应分类cf的概率。简单贝叶斯分类的*fJ鼎J函数为舒㈣邓(c0-P(；0cf)= 和尸(圈cD即可。爿cf)是分类G的先验概率，通常认为各分类是平均分布的。条件概率P(瑚cf) 表示样本Ⅳ在分类c』上的一种随机分布模型，需通过大量的样本学习做出估算。 把贝叶斯分类决策引入图像分类，定义如下：设同一分类层级上有k个互不重叠的语 义类别，cf(1i∞为第i个分类。对于一幅输入图像z，它所归属的类别可看作是一个 具有某种概率分布的随机事件，可用先验概率{P(C，)，…，P(c饥…，H国}表示。每幅图像 cf)，i=1，…，k。用n种相互独 x都可视为图像库J的一个样本，其条件概率密度函数为f，(xl 立的特征向量洳颜色，纹理，形状等)卜M1)’y(2)，…，“))来代替原始图像，则计算f，(xlCi)， i=1，…，k转化为计算厅OIcD，i=1，…，k。它表示底层视觉特征与高层语义分类的映射关 系。由待分类图像z推导出其分类G的可能性即是后验概率，用{P(ClIx)，…，HGI曲，… 尸(a∞}表示。由此可实现图像x与语义分类间的映射。 4．特征选择 所选特征需能明显分