基于內(nèi)容的圖像數(shù)據(jù)庫(kù)語(yǔ)義分類(lèi)相關(guān)技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)和計(jì)算機(jī)硬件的迅猛發(fā)展,圖像信息的產(chǎn)生、存儲(chǔ)、傳輸以及訪問(wèn)數(shù)量呈指數(shù)級(jí)增長(zhǎng),對(duì)圖像信息的檢索給傳統(tǒng)的檢索方式提出了挑戰(zhàn).采用低層特征描述的圖像檢索系統(tǒng)還不能滿足用戶的檢索需求,該文提出的采用語(yǔ)義信息組織圖像數(shù)據(jù)庫(kù)的方式是實(shí)現(xiàn)圖像有效檢索的基礎(chǔ).該文主要針對(duì)圖像語(yǔ)義分類(lèi)和檢索進(jìn)行研究,論文的主要工作歸納如下:(1)針對(duì)各種圖像檢索系統(tǒng)和圖像語(yǔ)義分類(lèi)進(jìn)行了綜述,系統(tǒng)地分析了基于內(nèi)容的圖像檢索中所用的各種特征,并對(duì)各個(gè)特征的優(yōu)缺點(diǎn)以

2、及適用范圍進(jìn)行了比較分析,對(duì)于后續(xù)章節(jié)中圖像特征選擇和新特征的提取提供了借鑒.(2)提出了一種基于支撐向量機(jī)(SVM)的分等級(jí)圖像語(yǔ)義分類(lèi)系統(tǒng).針對(duì)室內(nèi)與室外圖像分類(lèi)的特點(diǎn),提出了一種結(jié)合目標(biāo)物體的語(yǔ)義特征.實(shí)驗(yàn)結(jié)果表明采用這兩個(gè)特征實(shí)現(xiàn)的分類(lèi)性能要優(yōu)于其它特征.將單類(lèi)SVM分類(lèi)器應(yīng)用于分類(lèi)系統(tǒng)中解決了樣本不充分的訓(xùn)練問(wèn)題.(3)提出了圖像語(yǔ)義分類(lèi)系統(tǒng)的改進(jìn)方案,根據(jù)不同特征的推廣誤差來(lái)確定各自的權(quán)值,分別采用主成分分析(PCA)、線性

3、判別分析(FLDA)、多元尺度分析(MDS)對(duì)圖像特征進(jìn)行降維;通過(guò)學(xué)習(xí)的方式實(shí)現(xiàn)了一種基于SVM概率輸出的拒絕機(jī)制;提出了增量學(xué)習(xí)SVM方案來(lái)解決新增樣本和大量樣本的訓(xùn)練問(wèn)題;分析比較不同的分類(lèi)器,通過(guò)結(jié)合多個(gè)SVM分類(lèi)器來(lái)提高系統(tǒng)的分類(lèi)能力,分別通過(guò)實(shí)驗(yàn)驗(yàn)證了以上改進(jìn)方案的有效性.(4)提出了一種基于圖像數(shù)據(jù)庫(kù)語(yǔ)義索引和相似性學(xué)習(xí)的圖像檢索方案,根據(jù)查詢圖像的語(yǔ)義信息來(lái)確定相應(yīng)的檢索圖像庫(kù),縮小檢索的范圍進(jìn)而提高系統(tǒng)的查準(zhǔn)率和檢索效