【摘要】：在當(dāng)前的國內(nèi)公共安全領(lǐng)域中,基本上仍然采用純手工的方式對刑偵現(xiàn)勘圖像進(jìn)行標(biāo)注,這種方式不僅效率低下,并且?guī)в袕?qiáng)烈的主觀性,針對這一現(xiàn)狀,本文在閱讀大量國內(nèi)外參考文獻(xiàn)的基礎(chǔ)上,圍繞圖像特征提取和語義標(biāo)注,提出了一些自己的改進(jìn)方法,期望能夠?qū)崿F(xiàn)刑偵現(xiàn)勘圖像的自動語義標(biāo)注,減輕公安干警的工作強(qiáng)度。首先深入研究了顏色和紋理兩種底層的圖像特征,在這兩種特征的基礎(chǔ)上,通過加入不同的權(quán)值系數(shù),提出了融合的特征提取算法。經(jīng)過大量的實(shí)驗(yàn),將實(shí)驗(yàn)結(jié)果中表現(xiàn)最好的權(quán)值作為融合特征提取算法的參數(shù),以之為基礎(chǔ),借鑒圖像分類思想,將圖像語義標(biāo)注問題轉(zhuǎn)化為圖像分類問題,通過特征直方圖相似度對比的方式實(shí)現(xiàn)圖像分類,進(jìn)而實(shí)現(xiàn)刑偵現(xiàn)勘圖像的語義標(biāo)注。實(shí)驗(yàn)結(jié)果表明,融合的特征算法比兩種單獨(dú)的特征算法對于圖像語義標(biāo)注準(zhǔn)確率有明顯提高。然后對SIFT和SURF特征進(jìn)行了研究,針對SURF特征在圖像的尺度和旋轉(zhuǎn)變化方面表現(xiàn)不夠理想的情況,借鑒SIFT特征的思想,以SURF特征為基礎(chǔ),結(jié)合高斯金字塔模型,提出了 GP-SURF特征提取算法。核心思想是在尺度空間構(gòu)造階段采用圖像尺寸改變的高斯差分金字塔,模擬人眼由遠(yuǎn)及近視物這種圖像尺度改變的情況,期望能夠克服圖像尺度和旋轉(zhuǎn)變化的影響,改善刑偵現(xiàn)勘圖像的特征表示。實(shí)驗(yàn)結(jié)果表明,GP-SURF特征明顯提高了刑偵現(xiàn)勘圖像的語義標(biāo)注準(zhǔn)確率。接著深入研究了詞袋模型,借助這一模型,將提取的圖像特征采用一種聚類算法進(jìn)行聚類,構(gòu)成視覺單詞,視覺單詞的集合組成視覺詞典,然后通過支持向量機(jī)對其進(jìn)行訓(xùn)練,得出各類圖像的分類超平面,接著以兩兩比較的方式構(gòu)造了支持向量機(jī)分類器,通過這個分類器對圖像進(jìn)行分類和標(biāo)注,從而實(shí)現(xiàn)了一種圖像語義標(biāo)注模型。通過實(shí)際的實(shí)驗(yàn)過程,驗(yàn)證了該圖像語義標(biāo)注模型的有效性。最后設(shè)計(jì)實(shí)現(xiàn)了一個“案件圖像管理與檢索系統(tǒng)”,將提出的顏色和紋理融合特征與GP-SURF特征再次融合,得到再融合特征HL-GS,以此特征為基礎(chǔ),通過再融合特征語義標(biāo)注模型實(shí)現(xiàn)了刑偵現(xiàn)勘圖像的語義標(biāo)注,并且將其應(yīng)用到了“案件圖像管理與檢索系統(tǒng)”中的圖像語義標(biāo)注模塊和圖像檢索模塊。
[Abstract]:In the current field of public security in China, we still use the pure manual method to mark the image of criminal investigation. This method is not only inefficient, but also has strong subjectivity. In view of this situation, On the basis of reading a large number of references at home and abroad, this paper puts forward some improved methods around image feature extraction and semantic annotation, which is expected to realize automatic semantic annotation of forensic survey images. Reduce the intensity of the work of public security officers and policemen. Firstly, two kinds of bottom image features, color and texture, are studied in depth. Based on these two features, a fusion feature extraction algorithm is proposed by adding different weight coefficients. After a large number of experiments, the best weights in the experimental results are taken as the parameters of the fusion feature extraction algorithm. Based on them, the image semantic tagging problem is transformed into the image classification problem based on the image classification idea. Image classification is realized by comparing the similarity of feature histogram, and the semantic annotation of forensic prospecting image is realized. The experimental results show that the fused feature algorithm can improve the image semantic tagging accuracy obviously compared with the two single feature algorithms. Then, the SIFT and SURF features are studied. In view of the fact that the SURF features are not ideal in terms of the scale and rotation of the image, the idea of SIFT features is used for reference, and based on the SURF features, the Gao Si pyramid model is combined. GP-SURF feature extraction algorithm is proposed. The core idea is to use the Gao Si differential pyramid with image size change in the construction stage of scale space to simulate the image scale change of the human eye from distant to nearsightedness, in order to overcome the influence of image scale and rotation change. To improve the feature representation of the present image of criminal investigation. The experimental results show that GP-SURF features can improve the accuracy of semantic tagging of forensic survey images. Then, the lexical bag model is studied in depth. With the help of this model, the extracted image features are clustered by a clustering algorithm to form visual words, the set of visual words constitutes a visual dictionary, and then it is trained by support vector machine (SVM). The hyperplane of all kinds of images is obtained and then a support vector machine classifier is constructed by pairwise comparison. The classifier is used to classify and annotate images and thus a semantic annotation model of image is implemented. The effectiveness of the image semantic annotation model is verified by the actual experimental process. Finally, a case image management and retrieval system is designed and implemented. The proposed color and texture fusion feature and GP-SURF feature are fused again, and the refusion feature HL-GS, is obtained based on this feature. The semantic annotation of criminal investigation image is realized by remerging the feature semantic annotation model, and it is applied to the image semantic annotation module and image retrieval module in case Image Management and Retrieval system.
【學(xué)位授予單位】：西安工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韋娜;耿國華;周明全;;基于相關(guān)反饋的文物圖像語義標(biāo)注[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

2 欒悉道;謝毓湘;韓志廣;譚義紅;陳治平;沈金榮;;基于概念分布的圖像語義標(biāo)注與檢索[J];武漢理工大學(xué)學(xué)報(bào);2009年18期

3 張捷;;圖像語義標(biāo)注[J];電腦開發(fā)與應(yīng)用;2012年01期

4 孫君頂;杜娟;;圖像自動語義標(biāo)注技術(shù)綜述[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2012年07期

5 吳煥瑞;;圖書領(lǐng)域的語義標(biāo)注[J];無線互聯(lián)科技;2013年03期

6 邱均平;牟楠;樓雯;趙蓉英;;國內(nèi)外語義標(biāo)注研究進(jìn)展分析[J];情報(bào)理論與實(shí)踐;2014年05期

7 李向陽,張亞非;基于語義標(biāo)注的信息抽取[J];解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年04期

8 劉振;;社交媒體的語義標(biāo)注應(yīng)用現(xiàn)狀研究[J];圖書與情報(bào);2013年05期

9 劉杰;杜軍平;;基于潛在主題融合的跨媒體圖像語義標(biāo)注[J];電子學(xué)報(bào);2014年05期

10 王傳清;畢強(qiáng);;數(shù)字圖書館自動化語義標(biāo)注工具系統(tǒng)模型研究[J];現(xiàn)代圖書情報(bào)技術(shù);2014年06期

相關(guān)會議論文 前9條

1 苗傳江;劉智穎;;現(xiàn)代漢語語料的句子級語義標(biāo)注[A];語言計(jì)算與基于內(nèi)容的文本處理——全國第七屆計(jì)算語言學(xué)聯(lián)合學(xué)術(shù)會議論文集[C];2003年

2 謝法奎;張全;袁毅;;基于HNC理論的語義標(biāo)注語料庫[A];內(nèi)容計(jì)算的研究與應(yīng)用前沿——第九屆全國計(jì)算語言學(xué)學(xué)術(shù)會議論文集[C];2007年

3 張娜;李濟(jì)洪;;基于語義標(biāo)注的中文閱讀理解語料庫的建設(shè)[A];內(nèi)容計(jì)算的研究與應(yīng)用前沿——第九屆全國計(jì)算語言學(xué)學(xué)術(shù)會議論文集[C];2007年

4 宋雨;鄭懌;吳燕;;RDFa語義標(biāo)注技術(shù)綜述[A];2009全國計(jì)算機(jī)網(wǎng)絡(luò)與通信學(xué)術(shù)會議論文集[C];2009年

5 鮑廣宇;譚偉;吳亞寧;;機(jī)器兵力指揮控制語言的語義標(biāo)注技術(shù)研究[A];2013第一屆中國指揮控制大會論文集[C];2013年

6 馬永騰;亢世勇;;非典型成員的語義標(biāo)注策略和問題[A];內(nèi)容計(jì)算的研究與應(yīng)用前沿——第九屆全國計(jì)算語言學(xué)學(xué)術(shù)會議論文集[C];2007年

7 王浩然;徐建良;張巍;;一種XML元數(shù)據(jù)的自動語義標(biāo)注方法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

8 袁柳;李戰(zhàn)懷;陳世亮;;OntoWord:一種新的Web頁面語義標(biāo)注方法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（二）[C];2008年

9 曾誠;李兵;何克清;;KMP算法在Web服務(wù)語義標(biāo)注中的應(yīng)用[A];2010年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前5條

1 米楊;基于頂級本體整合的醫(yī)學(xué)領(lǐng)域語義標(biāo)注研究[D];吉林大學(xué);2012年

2 謝銘;關(guān)聯(lián)數(shù)據(jù)和知識表示的自動語義標(biāo)注技術(shù)[D];武漢大學(xué);2012年

3 唐金輝;視頻語義標(biāo)注的若干問題研究[D];中國科學(xué)技術(shù)大學(xué);2008年

4 荊濤;面向領(lǐng)域網(wǎng)頁的語義標(biāo)注若干問題研究[D];吉林大學(xué);2011年

5 王傳清;超網(wǎng)絡(luò)視域下數(shù)字資源聚合研究[D];吉林大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 彭晨漪;物聯(lián)網(wǎng)環(huán)境下面向服務(wù)的實(shí)體語義標(biāo)注[D];華南理工大學(xué);2015年

2 張銳;面向期刊論文的多粒度語義標(biāo)注方法研究[D];華中師范大學(xué);2015年

3 程童凌;基于維基類百科知識資源的實(shí)體關(guān)系發(fā)現(xiàn)和語義標(biāo)注[D];北京化工大學(xué);2015年

4 何中山;基于語義網(wǎng)的初中數(shù)學(xué)的自動語義標(biāo)注方法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

5 崔愉;面向文本的自動語義標(biāo)注技術(shù)研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

6 王偉強(qiáng);基于運(yùn)動捕捉數(shù)據(jù)的人體行為分割與行為語義標(biāo)注[D];北京交通大學(xué);2016年

7 孫亞男;基于本體的民族教育資源自動語義標(biāo)注研究[D];云南師范大學(xué);2016年

8 徐高幫;基于高階CRFs和稀疏字典學(xué)習(xí)的場景語義解析[D];南京郵電大學(xué);2016年

9 湯余;基于弱標(biāo)記樣本的人臉語義標(biāo)注[D];國防科學(xué)技術(shù)大學(xué);2014年

10 胡國慶;基于WebGL的三維實(shí)體語義標(biāo)注系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];山東師范大學(xué);2017年

，

本文編號：2422391