《基于高层语义的自然图像检索方法研究》由会员分享，可在线阅读，更多相关《基于高层语义的自然图像检索方法研究（50页珍藏版）》请在金锄头文库上搜索。
1、湘潭大学 硕士学位论文 基于高层语义的自然图像检索方法研究 姓名：莫浩澜 申请学位级别：硕士 专业：计算机应用技术 指导教师：石跃祥 20070501 湘潭大学硕士毕业论文湘潭大学硕士毕业论文 基于高层语义的自然图像检索基于高层语义的自然图像检索 I 摘 要 随着Internet和多媒体技术的迅速发展产生了大量的数字图像库， 基于内容的图像 检索技术（CBIR）应运而生，但在实际应用CBIR系统中发现，用户必须提供一幅待查询 的图像，再通过对待查询的图像提取一定的底层特征，找出特征空间中与提供查询的图 像最接近的图像。但当用户没有一幅查询图像时，只有对要查询图像一些较为模糊的概 念，则CBIR
2、显得无能为力，近年来不少学者把图像检索上升到图像的更高一层的抽象 图像高层语义。如何解决图像低层视觉特征和高层语义特征存在的“语义鸿沟”已成为 语义图像检索问题的关键，以往的映射方法是把一幅图像归于一类语义图像。 在自然风景图像中包含丰富的高层语义信息， 其归类不是很明显， 例如一幅包括山， 水，蓝天的自然风景图像分别以某种隶属度归入几类语义图像。文中提出根据自然图像 的底层信息自动获得高层语义完成自然风景图像多语义分类， 最终实现对自然风景图像 的有效检索。本文主要工作包括：（1）根据自然风景图像中的目标区域颜色较单一提 出不断对彩色图像采用最优阈值化进行一次粗分割提取最大目标区域， 再利用
3、改进的K- 均值算法对提取目标子区域进行精确分割， 实验结果表明该方法对自然彩色图像能够有 效的提取目标物体，并对噪声图像具有一定的鲁棒性。 （2）在此基础上，通过在分割区 域上提取图像的局部颜色和形状特征， 再利用改进的模糊神经网络建立低层视觉特征和 高层语义特征之间的映射，实现了图像属性信息的有效传递和高层语义的自动获取。部 分类别的检索准确率接近90%，查全率也达到了75%,实验结果证明了该方法对自然图像 检索的有效性及先进性。 关键字:基于内容的图像检索；语义图像检索；图像分割； 最优阈值化；关键字:基于内容的图像检索；语义图像检索；图像分割； 最优阈值化；K-均值算法； 鲁棒性；模糊
4、神经网络； 均值算法； 鲁棒性；模糊神经网络； 湘潭大学硕士毕业论文湘潭大学硕士毕业论文 基于高层语义的自然图像检索基于高层语义的自然图像检索 II Abstract With the development of network and multimedia, the number of digital image keeps increasing. Content-base image retrieval (CBIR) arises at the historic moment. But in the practical application CBIR system discovered
5、 that users must provide the inquiry image, Then extract the low features form the inquiry image and find the closest image in the image database through compare their low features with the inquiry images. But when users have not inquiry image, only have some fuzzier concept about inquiry image, the
6、n CBIR appears helplessly. In recent years many scholars propose image semantic to the image retrieval system. The solution of semantic gap which existence between the low-features and the high-level semantic features has become the key in problems of the semantic image retrievalMany scholars use ma
7、pping methods which make a image belongs to a kind of semantic image. In the natural scenery image which contains rich semantic, and their classification are not very obvious. For example the image belongs to several kind of semantic image which includes mountain, water and blue sky. This paper prop
8、osed use the low feature in the nature image automatically obtains the high level semantics. And complete multi-semantics classification, finally realizes effective retrieval in the natural scenery images. The paper main works include: (1) This paper presents repeated using the optimal threshold for
9、 a roughly extract the largest target area of the color image, which base on the color of target area comparatively singleness in the natural scenery images. Then improved K_means clustering algorithm used to improve the accuracy of the segmentation from the target area. Experimental results show th
10、at this method can effectively extract color image of the object. It is also a certain degree of robustness to the noise image. (2) Base on the largest target areas, color and shape features are extracted. Then the fuzzy nerve network is used to map low-features and the high-level semantic features.
11、 So this method has realized information of images attribution effective transmission and automatic extract high semantic from the image. And the experiment proved which has obtained the high accuracy. The accurate retrieval rate approaches 90% and the recall rate also achieved 75% in some class ima
12、ge of the nature image database. The experimental result has proven this method has validity and advantage in the natural image retrieval. Key word: Content-base image retrieval; Semantic image retrieval; Image Segmentation; Optimal threshold; K_means clustering algorithm; Robustness; Fuzzy nerve ne
13、twork; 湘潭大学湘潭大学 学位论文原创性声明学位论文原创性声明 本人郑重声明： 所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献 的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法 律后果由本人承担。 作者签名： 日期：2007 年 5 月 8 日 学位论文版权使用授权书学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被 查阅和借阅。本人授权湘
14、潭大学可以将本学位论文的全部或部分内容编入 有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编 本学位论文。 涉密论文按学校规定处理。 作者签名： 日期：2007 年 5 月 8 日 导师签名： 日期：2007 年 5 月 8 日 湘潭大学硕士毕业论文湘潭大学硕士毕业论文 基于高层语义的自然图像检索基于高层语义的自然图像检索 1 第一章 绪论 1.1 研究的背景与意义 基于文本的图像检索技术可以追溯到 70 年代末，它通过对图像进行手工注解， 然后利用文本检索技术根据关键字检索。图像内容的文本描述由手工完成，处理工作繁 重、处理速度慢、效率低，随着图像数据的来源日益广泛，这种方法
15、显得费时费力;文 本描述不能充分描述和揭示图像信息， “一幅画胜过一千句话” ，区区几个关键词很难将 图像的内容描述清楚，再者一些信息如纹理很难用文本来描述;文本描述带有人为主观 性，不同的人对同一幅图像可能有不同的理解，因此当用户在查询输入关键词和数据库 中关键词不一致时，将查询不到所需的图像;不同国家不同民族很难用同一种语言对图 像进行加注标释，语言的差异，导致其在国际间、Internet 上的应用受到限制。 90 年代初，随着多媒体技术和数字照相机、摄像机、扫描仪、打印机这些图像电子 设备的普及，全世界的数字图像的容量正以惊人的速度增长，每天都会产生数以百万记 的图像。大规模图像集不断涌
16、现，由手工进行图像标注基于文本的图像检索所带来的问 题变得十分明显，为了解决这一问题，研究者们提出了基于内容的图像检索(Content Based Image Retrieval, CBIR) 1:对图像内容进行机器自动分析，直接根据图像内容 特征信息建立索引，并且通过图像特征向量间的近似度量进行图像相似性匹配，从而实 现图像的检索。CBIR 使用了可以直接从图像中获得的客观的视觉内容特征，如颜色、 纹理、形状等来判断图像之间的相似性。这一方法成了现有图像检索技术研究的主流。 然而， 人们判断图像的相似性并非仅仅建立在图像的视觉特征的相似性上。 实际上， 图像检索系统的用户往往事先对所需的图像只存在一个大致的概念， 这个概念建立在图 像所描述的对象、事件以及表达的情感等含义上。理想的状况下，用户主要根据图像的 含义，而不是颜色、纹理、形状等特征，直观地进行分类并判别图像满足自己需要的程 度。这些图像的含义就是图
