基于本體的圖像檢索相關(guān)技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和國(guó)際互聯(lián)網(wǎng)的飛速發(fā)展，包括圖像在內(nèi)的各種多媒體數(shù)據(jù)的數(shù)量正以驚人的速度增長(zhǎng)。如何有效、快速地從大規(guī)模圖像數(shù)據(jù)庫(kù)中檢索出所需要的圖像是目前一個(gè)急需解決的重要問(wèn)題。人們對(duì)于圖像的理解，往往是建立在基于視覺的基礎(chǔ)上，基于內(nèi)容的圖像檢索存在低層語(yǔ)義與高層語(yǔ)義的語(yǔ)義鴻溝，而基于語(yǔ)義的圖像檢索是以單個(gè)概念為基礎(chǔ)，并沒有考慮概念之間的彼此關(guān)系?；诖?，本文將本體論引入到圖像檢索中，提出了基于本體的圖像檢索方法，主要工作如下：

2、1.在綜述了基于內(nèi)容、基于語(yǔ)義的圖像檢索相關(guān)技術(shù)的基礎(chǔ)上，將領(lǐng)域本體引入圖像檢索中，提出了基于本體的圖像檢索框架，在該框架下圖像描述包含了視覺低層特征、高層語(yǔ)義概念，既能充分利用圖像本身的低層特征，又能符合人的圖像視覺理解；通過(guò)本體，可以定義圖像的語(yǔ)義概念之間的關(guān)系；同時(shí)通過(guò)本體還可以進(jìn)行語(yǔ)義擴(kuò)展，彌補(bǔ)語(yǔ)義查詢過(guò)程中的信息不足。 2.將信息瓶頸算法用于圖像分割，提出了基于信息瓶頸算法的圖像基元提取方法，考慮到圖像中距離接近的兩個(gè)

3、區(qū)域很有可能屬于同一個(gè)圖像基元，而遠(yuǎn)離的兩個(gè)區(qū)域則很可能屬于不同的基元，在使用凝聚的信息瓶頸算法對(duì)圖像像素進(jìn)行聚類時(shí)，同時(shí)考慮互信息的損失和聚類區(qū)域之間的空間距離，以得到更有效的圖像基元。該方法與傳統(tǒng)的聚類方法相比，其聚類的結(jié)果與距離函數(shù)無(wú)關(guān)，且不依賴于初始聚類中心的選取。實(shí)驗(yàn)驗(yàn)證了算法的可行性和有效性。 3.提出基于本體的圖像自動(dòng)標(biāo)注方法，在訓(xùn)練階段，采用基于語(yǔ)義約束的半監(jiān)督信息瓶頸聚類方法對(duì)提取基元進(jìn)行聚類，對(duì)信息瓶頸聚類算

4、法進(jìn)行了改進(jìn)，提出了基于半監(jiān)督約束聚類的信息瓶頸算法，使用少量的標(biāo)記樣本來(lái)幫助無(wú)監(jiān)督的學(xué)習(xí)，將特定的一已知知識(shí)以“約束”的形式表達(dá)，并嵌入到聚類過(guò)程中的方法，使得聚類算法獲得更多的啟發(fā)式信息，提高了效率和聚類質(zhì)量。采用統(tǒng)計(jì)法和半監(jiān)督學(xué)習(xí)方法建立了圖像基元類與本體中語(yǔ)義概念關(guān)系概率表。在自動(dòng)標(biāo)注階段，采用二次標(biāo)注方法實(shí)現(xiàn)對(duì)于圖像語(yǔ)義的自動(dòng)標(biāo)注，首先通過(guò)分類方法獲得獲得圖像屬性概念標(biāo)注，然后結(jié)合本體知識(shí)，獲得圖像的概念標(biāo)注。實(shí)驗(yàn)驗(yàn)證了方法的

5、可行性和有效性。 4.定義了圖像本體框架下圖像相似度模型，并給出了基于近似向量的相似度計(jì)算方法；提出了在本體框架下基于LPP VA-File的圖像快速檢索方法，在保局投影變換域中建立近似向量文件，通過(guò)保局投影消除了原圖像特征數(shù)據(jù)各分量之間的相關(guān)性，并保留了圖像數(shù)據(jù)的非線性特性；給出了圖像檢索K近鄰查詢算法，該算法減少了對(duì)原圖像特征向量的訪問(wèn)數(shù)量，即降低對(duì)原圖像特征向量的I/O訪問(wèn)時(shí)間，大大提高搜索效率。實(shí)驗(yàn)驗(yàn)證了方法的有效性。