基于内容和文本辅助的web图像分类系统的设计与实现-通信与信息系统专业论文.docxVIP

华 中科 技 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 随着移动互联网时代的到来，人们可以通过任何手持移动设备发布声音、图像 和视频等多媒体资源到互联网上，导致互联网上的多媒体信息呈爆炸式增长，基于 内容的图像分类和检索技术由于在管理和准确查询 web 图像等领域拥有广阔的应用 前景而受到业界越来越广泛的关注，例如 Google 和百度等搜索巨头都推出了自己的 图像检索功能。本文在分析目前 web 图像分类技术的基础上进行了深入的研究，结 合图像视觉特征和网页相关文本信息，设计并开发了一个 web 图像分类系统 Tiny Panda。 首先，为了全面的描述图像内容本身，本文提出一种基于 SVM 将 SURF 局部 特征描述子和全局特征决策融合的图像分类算法。该算法首先提取图像的 SURF 特 征向量集合，利用局部敏感哈希（Locality Sensitive Hashing , LSH）归约成单一直方 图向量，然后提取图像的全局特征（如颜色），接着分别利用 SVM 对上述特征进行 分类，并对其分类结果做决策融合，从而得到最终的分类结果。该算法除了综合利 用图像的局部特征和全局特征各自在图像特征描述方面的优势之外，既能克服全局 特征和局部特征直接融合用于图像分类时的维数泛滥，又能解决由于 SURF 关键点 数量造成的匹配点寻找时间复杂度过高的问题。 然后，在构建 web 图像分类系统的数据库时，设计并实现了基于关键字的 web 图像主题爬虫，在爬取图像的过程中，根据预先限定的一系列关键字来计算网页相 关度，并对网页正文区域进行识别，以达到网页级图像筛选以及网页中图像和文本 信息获取的目的，从而克服由于 Web 网页上图像纷繁复杂难以限定图像类别的问 题。 最后，采用融合图像和文本辅助的 web 图像分类技术，通过人工决策算法，融 合图像在视觉特征提取和 SVM 分类决策融合后获取的属于各类别的概率，以及网 页按照关键字相关度计算后获取的该图像所在网页对应文本类别的权重，实现 web 图像分类准确率的提高。 为了验证上述算法，本文设计并开发了一个 web 图像分类系统 Tiny Panda，系 II II 统主要包括查询模块、视觉特征提取模块、多特征融合模块、web 图像主题爬虫模 块、视觉特征和文本信息融合模块等功能模块。通过对从网页上实时爬取的 13719 张 web 图像构建的图像库进行的实验，结果表明，决策融合 HSV 颜色和局部 SURF 特征后能将平均分类准确率从单一视觉特征的 74.6%提高到 82.7%；网页文本信息 辅助视觉特征的 web 图像分类能将平均分类准确率进一步提高到 91.5%。充分验证 了本文的多特征融合算法和文本辅助算法的有效性。 本文的研究工作是对基于内容的 web 图像分类和检索技术走向实用化和商业化 的有意探索和尝试，论文中提出的算法具有一定的理论意义及应用价值。 关键词：加速鲁棒特征；局部敏感哈希；支持向量机；决策融合；web 图像分类； 图像主题爬虫 PAGE III PAGE III Abstract With the arrival of the mobile Internet era, people can upload multimedia resources such as voice, images and video to the Internet with the help of any hand-held mobile devices. It leads to multimedia information of the Internet growing explosively, and so content-based image classification and retrieval technology in the management and query web images has attracted more and more attention. This paper has carried on research of the web image classification techniques deeply, and a prototype web image classification system which was called Tiny Panda has been developed by combining the image visual features and related text information of web pages. At first, in order to describe th