基于内容图像检索中图像语义分类技术研究-计算机科学与技术专业论文.docx

摘要图像语义分类是基于内容图像检索(Content—Based 摘要 图像语义分类是基于内容图像检索(Content—Based Image Retrieval，CBlR)研 究领域中一个重要而又有挑战性的问题。图像和视频正在成为多媒体的主要表现 形式，将图像数据库划分为有意义的语义类别成为迫切的需要。传统CBIR技术 试图通过分析图像视觉特征的相似性来检索图像，这不能满足普通人按语义检索 图像的需求。基于低级图像特征将图像集合按语义进行合理的分类，会极大提高 CBIR系统的性能。本文主要研究基于图像低级视觉特征的图像语义分类。 奉文首先介绍传统CBlR的研究内容、系统组成和实际系统。详细阐述作为 图像语义分类基础的颜色、纹理、形状、空间关系等低级图像特征，并讨论图像 语义分类的主流技术。针对传统CBIR的不足，介绍了图像语义检索的主要技术。 图像语义模型是对图像整个语义表示和处理过程的抽象，也提供可行的研究 方向。贝叶斯概率框架是一种将先验概率转化为后验概率的理论框架，通过形式 化的图像分类概率框架可以将低级图像特征映射到已有的高层语义。 图像全局特征的表现形式多种多样，是图像语义分类的重要基础。本文基于 单个图像全局特征提出一种新的图像语义分类方法，借鉴相关反馈机制的基本思 想获得候选图像全局特征集合中具有最优“判别能力”的单个特征，还应用基于 传统摄影学理论的空间分块策略。本