基于形式概念分析图像场景语义标注模型.docVIP

基于形式概念分析图像场景语义标注模型 　　摘要：为生成有效表示图像场景语义的视觉词典，提高场景语义标注性能，提出一种基于形式概念分析（FCA）的图像场景语义标注模型。该方法首先将训练图像集与其初始的视觉词典抽象为形式背景，采用信息熵标识了各视觉单词的权重，并分别构造了各场景类别概念格结构；然后再利用各视觉单词权重的均值刻画概念格内涵上各组合视觉单词标注图像的贡献，按照类别视觉词典生成阈值，从格结构上有效提取了标注各类场景图像语义的视觉词典；最后，利用K最近邻标注测试图像的场景语义。在FeiFei Scene 13类自然场景图像数据集上进行实验，并与FeiFei方法和Bai方法相比，结果表明该方法在β=0.05和γ=15时，标注分类精度更优。 　　关键词：形式概念分析；内涵权重；视觉词袋；类别视觉词典；场景语义标注 　　中图分类号：P391.4 　　文献标志码：A 　　Abstract：To generate an effective visual dictionary for representing the scene of images， and further improve the accuracy of semantic annotation， a scene annotation model based on Formal Concept Analysis （FCA） was presented by means of an abstract from the training image set with the initial visual dictionary as a form context. The weight value of visual words was first marked with information entropy， and FCA structures were built for various types of scene. Then the arithmetic mean of each visual words weight values was used to describe the contribution among different visual words in the intent to the semantic， and each type of visual vocabularies for the scene was extracted from the structure according to the visual vocabularies thresholds. Finally， the test image was assigned with the class label by using of the Knearest method. The proposed approach is evaluated on the FeiFei Scene 13 natural scene data sets， and the experimental results show that in comparison with the methods of FeiFei and Bai， the proposed algorithm has better classification accuracy with β=0.05 and γ=15. 　　英文关键词Key words：Formal Concept Analysis （FCA）； intent weight value； bagofvisterm； category visual vocabulary； scene semantic annotation 　　0 引言 　　目前，视觉词袋（BagofVisterm， BOV）模型一种是用于图像场景语义标注中，表示视觉内容的主要方法。其中，BOV模型中视觉词典的生成质量是影响图像场景语义标注精度的关键，因此，如何生成有效表示图像的视觉词典，并用于场景语义标注的方法，成为众多研究者关注的热点。代表性的工作有：文献[1-2]等先使用BOV模型表示图像，然后分别?用概率潜在语义分析（Probabilistic Latent Semantic Analysis， PLSA）模型[3]和潜在狄利克雷分布（Latent Dirichlet Allocation， LDA）模型[4 ]获得图像的主题后再标注场景语义。文献[5]通过建立空间金字塔模型获取视觉单词的空间分布实现场景语义标注。这些文献分析了视觉单词所处的语义主题和空间分布，但没有