基于文本語義和視覺內容的圖像檢索技術研究.pdf

1、隨著數字成像、數據存儲等技術的飛速發(fā)展以及互聯網的普及，各種各樣的圖像正以驚人的速度增長，日益豐富的圖像資源使用戶難以在浩如煙海的數據庫中找到其真正需要的信息，因而有效的圖像檢索技術成為近年來研究界關注的熱點。
　　現有的圖像檢索技術主要可分為兩種:基于文本信息的圖像檢索與基于視覺信息的圖像檢索。前者主要依賴于圖像的文本標注信息進行檢索，但面對數以萬計的圖像，手工標注的代價太過昂貴，使得此種檢索方案漸已不能滿足現實的應用需要;后者

2、主要利用視覺特征提取和高維索引技術進行檢索，但因為語義鴻溝的存在，視覺特征相似的圖像很可能在語義上是不相關的，使得很多情況下此種檢索方案難以滿足用戶的信息需求。為了充分發(fā)揮兩種檢索方案各自的優(yōu)勢同時降低它們的缺陷，學者們研究了多種方法來結合這兩種技術以進行檢索，這些工作都顯著地提高了圖像檢索的性能。本文在此基礎上就如何融合視覺內容與文本語義進行圖像檢索做了一些研究工作，主要分為以下幾點:
　　1研究了圖像視覺內容的描述方法。針對使

3、用傳統(tǒng)的SIFT特征來描述圖像視覺內容速度較慢、效率較低等缺陷，提出了使用改進的DSIFT特征結合詞袋模型以構造視覺單詞的方式來描述圖像的視覺內容。
　　2研究了一種如何根據圖像視覺內容自動獲取其語義信息的方法。針對依賴人工標注來獲取圖像語義信息需耗費較大代價的問題，提出了一種基于概率隱語義分析模型的圖像語義自動獲取方法，它將圖像視為一系列文本信息與視覺信息的潛在主題混合，先通過擬合兩個PLSA模型來分別學習文本信息和視覺信息，再

4、使用一種自適應不對稱學習方式來建立兩種信息間的聯系，如此即可以根據圖像的視覺內容來自動獲取其語義信息。
　　3研究了一種將文本信息與視覺信息結合起來進行圖像檢索以提高檢索精度的方法。提出了分層檢索的思想，先依據自動獲取的語義信息初步檢索篩選出語義相關的圖像，再根據提取的視覺特征進行第二層細化檢索對圖像按相關度由大到小排序輸出。
　　在自主設計的檢索原型系統(tǒng)上，針對圖像數據集Corel1K進行的一系列實驗表明，本文所做的研究工