




下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、自动图像标注论文:基于semi-cca的自动图像标注研究【中文摘要】随着信息技术的快速发展,信息获取和信息存储能 力的不断提高,从海量数据中获取我们感兴趣的信息成为当前研究的 热点之(?)同样,在计算机视觉和图像处理及模式识别领域,图像检索 也成为重要的研究方向之一。在早期,因为数据量并不十分庞大,人们 考虑使用基于文本的图像检索方式,这种检索方式,优点是检索准确 且直观。然而,随着信息量的指数级增长,对图像进行手工标注,工作 量巨大,且存在因为不同标注者主观感觉不同导致的标注二义性。于 是,基于内容的图像检索方式被提出并得到了很快发展,它主要是从 图像中提取低层特征,包括颜色、纹理、空间关系
2、等,然后计算图像之 间的特征相似性,找到对应图像。这种方法灵活,丰富,但是也存在一 个很大的问题,就是“语义鸿沟”,即相同或相似的低层特征往往对应 完全不同的高层语义特征。为了解决这个问题,人们提出了基于自动 图像标注的检索,用与图像检索等方面。这种方法核心是学习一个已 经标注好的图像库,找到图像低层特征和标注词之间的对应模型,再 用该模型,计算岀最适合待标注图像的关键词。于是,基于标注的图像 检索就转换成了已经发展成熟的基于文本的图像检索了。本文,借助 于统计学中的典型相关分析工具,可以得到标注库中标注词向量组和 图像低层特征向量组之间的相关性,从而得到投影的特征向量,再使 用k-means
3、聚类,得到若干概念类,将概念类中的图像进行分割,提取 这些区域的低层特征,继续进行k-means聚类,这样,每一个概念类中, 得到若干特征相似的块blob,最后,利用多伯努利模型,就可以计算的 到块bi与每个关键词之间的联合概率分布表。对于待标注的图像, 首先进行基于改进的jseg算法的图像分割,对分割的每个区域,提取 贡献最大的低层特征的semi-cca投影,找到区域所属于的块,结合已 经得到的联合概率分布表,我们就可以找出最合适的标注词了。【英文摘要】with the rapid development of information technology and the improving
4、 ability of information acquisition and infonnation storage, the method to acquire our interesting information has became one of the most hot research f i el d. tn the field of cvpr, image retrieval has al so being one of the most important research directions during the early period, people conside
5、red to use' text based image retrieval? because of the not too much data this kind of method has the advantage of accuracy and intuition. however, with the sharply increment of information, it is a chai 1 enging task to add annotation manual1y. besides, it will cause ambiguity for different peop
6、le has different views on the same image sometimes so, a new method of content based image retrieval was proposed and developed quickly. in lhe paper, with the aid of the canonical correlation analysis tools in statisties, we will get the correlation between annotation vector and low-level character
7、 vector then, we use kmeans clustering toward the new vector projected by semi-cca to get several conceptclass now, we continue to segment all of the images in every cc (conceptclass) to get the segmented regions we extract low-level character vector of every regions as the input of k-means clusteri
8、ng to require several blobs which has similar character individua1. at last, we harvest associated probability distribution list between blobs and key words through multiple bernoulli mode1.in terms of the un-annotated image, we firstly get the segmentation of image through improved jseg algorithm.
9、as to each region, we extract the semi-cca character projection and find which blob this region belongs to. combining the associated probability distribution lis t, we can fin ally find out the mos t proper annotation words for un-annotated image【关键词】自动图像标注图像分割jseg lbp cca semi-cca【英文关键词】automatic i
10、mage annotationimagesegmentationjseg algorithmlbp algorithmcca algorithmsemi-cca algorithm【目录】基于semi-cca的自动图像标注研究摘要3-4 abstract 4 口录 57 第一章 绪论7-111.1研究背景及选题意义7-91.2国内外研究现状91.3论文的主要内容9-11 第二章自动图像标注研究概述11-182.1引言112.2共生模型11-142. 3机器翻译模型14-152. 4跨媒体相关模型15-162.5连续空间相关模型162.6多伯努利相关模型162. 7互和关标签传播模型16-172
11、.8小结17-18第三章 图像分割与特征提取18-363. 1引言183. 2基于改进的jseg方法的图像分割18-283. 2. 1图像分割方法概述19-213. 2. 2强化边缘信息的jseg改进算法21-273.2.3实验结果与分析对比27-283.3图像低层特征信息提取方法概述28-343. 3.1基于颜色的图像特征捉取28-313. 3.2基于纹理的图像特征提取31-343.4木文图像低层特征向量的模型构建343.5小结34-36 第四章基于semi-cca的自动图像标注的实现36-534. 1 引言 364.2 cca 简介 36-394. 3 基于cca的自动图像标注原理39-464. 3. 1文本特征向量空间模型39-404. 3.2图像低层特征空间模型404. 3.3cca投影40-414. 3. 4基于k-means的标注聚类41-444. 3. 5基于k-means的分割图像区域聚类444. 3. 6关键词和块之间的联合概率分布模型构建44-464. 4 semi-cca 的基本原理 46-474. 5 基于semi-cca的自动图像标注原理47-484. 6成对约朿信息的提取484. 7大概率标注词输出模型48-504. 8实验结果性能指标504.
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 萧山区无线门禁管理办法
- 薪酬管理办法整改通知书
- 蜀山区财税费用管理办法
- 衡水市人防车位管理办法
- 医疗保障政策解读课件
- 装修公司管理层管理办法
- 西安城中村环境管理办法
- 计算机使用管理办法制度
- 证监会不良资产管理办法
- 调研类费用管理办法包括
- 四川省专业技术人员继续教育2023年公需课试题及答案
- 放大绳安全技术交底
- 人形机器人行业:人形机器人供应链梳理
- 湖南文理学院辅导员考试真题2022
- 日本松下供应商品质管理手册
- 福佳大化安全技术规程
- 北京市高考语文名著阅读《红楼梦》试题(附解析)
- 【课件】Unit 4 Reading for writing 课件-人教版(2019)选择性必修第三册
- 保洁工具使用方法
- 中国工商银行个人住房贷款申请审批表
- YC/T 299-2016烟草加工过程害虫防治技术规范
评论
0/150
提交评论