图像语义提取方法研究.docVIP

PAGE PAGE 1 图像语义提取方法研究 　　 摘 要：为解决从图像的低层视觉特征到高层语义特征的“语义鸿沟”问题，对当前的语义提取方法进行研究，简单介绍了图像语义层次模型，并根据语义信息的来源不同，归纳总结了图像语义中基于处理范围的方法，基于机器学习的方法，基于人机交互的方法和基于外部信息源的提取方法，这些工作为图像语义提取和图像语义检索等研究提供有益参考。 　　 关键词：语义提取； 局部算子； 支持向量机； 语义标注 　　 中图分类号：TN919-34； TP391 文献标识码：A 文章编号：1004-373X(2011)24-0103-04 　　Research on Image Semantic Extraction 　　WEI Han LI Bi-cheng ZHANG Rui-jie TANG Yong-wang 　　(Depart. of Information Science, Information Engineering Institute, Information Engineering University, Zhengzhou 450002, China) 　　 Abstract： The current image semantic extraction method is researched to find a solution to eliminate the semantic gap between low-level visual features and high-level semantic features of images. The image semantic level model is simply introduced. According to the semantic information extracted from different sources, the information extraction methods based on processing region, machine learning, man-machine alternation and external information source are summed up. The above work provides a valuable reference for image semantic extraction and retrieval. 　　 Keywords： semantic extraction; local operator; SVM; semantic annotation 　　 收稿日期：2011-07-10 　　 基金项目：国家自然科学基金资助项目 　　 随着多媒体和互联网技术的迅猛发展，网络图像资源与日俱增，图像已经成为一种非常重要的信息资源，其包含的信息量远远大于文字，因此如何充分理解图像中所包含的语义内容、如何真正有效地利用语义进行图像资源的检索，如今已成为一个重要的课题。计算机对图像内容的理解一般指图像的低层视觉特征，如颜色、纹理、形状等；而实际上，人类对图像的理解即图像语义信息表达的内容要远远多于图像的视觉特征。这种从图像低层视觉特征与图像高层语义特征之间存在着的较大差距，即“语义鸿沟”［1］。现在，图像语义提取已成为解决图像低层视觉特征与人类高级语义之间“语义鸿沟”的关键技术，许多学者在此方面也进行了大量的尝试性工作和研究。 　　 1 语义层次模型 　　 图像语义模型是图像语义直观形象的描述形式。通过语义模型，能使用户了解和掌握如何从图像中提取语义特征，对于更好地理解和应用图像的语义信息具有重要作用。根据图像中各语义要素间组合的抽象程度，图像语义按图像语义层次模型大致可分为特征语义、对象语义、空间关系语义、场景语义、行为语义和情感语义等6个层次，用以对不同层次的图像内容进行描述，这个模型称为图像层次化语义模型。 　　 图像的语义层次可用图1来简单描述，其中的每一部分对应于图像的一个语义层次，并相应于人对图像的理解层次。图中的箭头表示语义的级别，下一个层次通常包含了比上一个层次更高级更抽象的语义，而更高层的语义往往通过较低层的语义推理而获得。 　　考虑到图像语义的模糊性、复杂性、抽象性，图像的语义模型主要包括以下几种语义特征： 　　 （1） 视觉特征语义（如颜色、纹理、结构、形状、运动等），与视觉感知直接相连，称为低层语义； 　　 （2） 对象语义（如人、物等）和空间关系语义（如人在房前，球状草地上等），这需要进行一定的逻辑推理并识别出图像中目标的类别，它们合称为对象层； 　　 （