基于MM混合模型的图像自动标注研究-信号与信息处理专业论文.docxVIP

独创性（或创新性）声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其 他人已经发表或撰写过的研究成果；也不包含为获得桂林电子科技大学或其它教育机 构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已 在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名： 日期： 关于论文使用授权的说明 本人完全了解桂林电子科技大学有关保留和使用学位论文的规定，即：研究生在 校攻读学位期间论文工作的知识产权单位属桂林电子科技大学。本人保证毕业离校 后，发表论文或使用论文工作成果时署名单位仍然为桂林电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容， 可以允许采用影印、缩印或其它复制手段保存论文。（保密的论文在解密后遵守此规 定） 本学位论文属于保密在 年解密后适用本授权书。 本人签名： 日期： 导师签名： 日期： 摘要 摘要 摘要 摘要 I I PAGE PAGE IV 摘要 伴随数字影像技术、数据存储和互联网技术的迅速发展，图像的数量快速增长， 如何有效的管理和组织图像、视频等多媒体数据成为大众日益关注的问题。然而利用 图像低层视觉特征的相似性进行匹配和检索的基于内容的图像检索系统已经无法满 足用户的需求，它并不能有效的减弱图像低层视觉特征和高层语义之间的语义鸿沟。 因此，这推动了基于语义的图像检索系统的产生和研究。为了克服人工标注耗时费力 和人对图像理解的不一致性，图像自动标注得到大量研究。图像自动标注是利用图像 低层特征表达图像的语义内容，是实现图像语义检索的基础。 围绕图像自动标注中的两个核心问题：图像低层视觉特征的提取和低层视觉特征 到高层语义空间的映射模型的选择，本文研究工作如下： 1.结合多媒体内容描述接口(MPEG-7)和 MM 混合模型实现图像低层视觉特征到 高层语义空间的映射。算法中采用 MPEG-7 标准推荐的颜色描述子和纹理描述子提取 图像的低层视觉特征，利用 MM 混合模型建立低层视觉特征到高层语义空间之间的 映射,有效的为图像自动添加上多个语义标签。 2.利用统计分布选择最优的加权特征子集，简称为特征加权。其核心思想是利用 根据 MPEG-7 描述子提取到的特征向量统计分布的离散程度来衡量特征对于不同主 题图像的重要程度，使特征在不同的主题图像中得到不同的权重。该算法把特征权重 与图像的主题关联起来，每个主题图像都有各自的特征权重集合。 3.采用基于局部加权的决策融合算法：局部决策融合，来融合待标注图像在颜色 和纹理模型下得到的标注结果。局部决策融合算法中，根据颜色和纹理特征对每个关 键词的标注能力，对颜色和纹理模型下的关键词赋予相应的可信度而不是对该模型赋 予相应的可信度。该算法把模型的可信度与关键词结合起来，在同一模型下得到的关 键词概率会被不同的加权。 通过在 corel 图像数据集上的实验，表明了本文采用的算法削弱了低层视觉特征 和语义空间之间的语义鸿沟，有效的实现了图像自动标注,且采用的特征加权和局部 决策融合方式能更充分利用图像颜色和纹理特征对不同主题图像的区分和表达能力， 提高了图像标注性能。 关键词：图像自动标注；MPEG-7 描述子；MM 混合模型；决策融合；K 均值聚类 Abstract As the rapid development of the digital image,data storage and internet technology,the number of images has been grown rapidly.How to manage and organize the mutimedia data such as images ,video effectively has become a problem which gets the increasingly concerned by public.Content-based image retrieval systems which maths and retrievals using similarity of low-level visual features of images can not meet the of users.It fails to compensate for the “semantic gap” between low-level visual features of images and high-level semantics.Therefore,it pr