本文關(guān)鍵詞：基于連續(xù)預測的半監(jiān)督學習圖像語義標注研究

  更多相關(guān)文章： 連續(xù)預測 半監(jiān)督學習 圖像標注 圖學習 多標簽

【摘要】：在當今數(shù)字化生活中,多媒體數(shù)據(jù)與日俱增,大數(shù)據(jù)時代更讓多媒體數(shù)據(jù)在人們的生活中起到至關(guān)重要的作用。在多媒體數(shù)據(jù)中,占最大多數(shù)的是圖像和視頻,而圖像是視頻的基礎(chǔ),自然在多媒體數(shù)據(jù)管理中起著舉足輕重的作用�？焖贉蚀_的圖像檢索,讓人們通過互聯(lián)網(wǎng)可以快速有效的進行網(wǎng)絡(luò)活動,很大程度上提高人們的生活質(zhì)量。而自動圖像標注是基于圖像內(nèi)容檢索中重要而具有挑戰(zhàn)性的工作,它可以在一定程度上解決語義鴻溝問題。如果能實現(xiàn)自動圖像標注,那么現(xiàn)有的圖像檢索問題實際就可以轉(zhuǎn)化成技術(shù)已相當成熟的文本檢索問題。因此,自動圖像標注的研究是一個很有意義的課題。(1)圖像低層特征提取是圖像標注的基礎(chǔ)。論文詳細闡述了圖像低層特征提取的方法,通過在不同的圖像特征上進行的實驗,比較分析了各類圖像特征的特點,總結(jié)和歸納了各方法的優(yōu)缺點及適用范圍。(2)為了解決圖像低層特征與高層語義之間存在語義鴻溝,本文在基于圖標簽傳播原理和基礎(chǔ)上,研究基于連續(xù)預測的半監(jiān)督學習的方法,實現(xiàn)標簽的有效傳播,并在圖像分類實驗上驗證了方法的有效性。結(jié)合多標簽的特點,研究了基于連續(xù)預測的半監(jiān)督學習圖像語義標注方法,分析了該方法的時間復雜度與空間復雜度,實驗結(jié)果表明該方法能提高圖像標注的準確度。(3)圖像標注的結(jié)果不可避免地存在噪聲,和存在標簽之間的不一致性以及標簽無意義等現(xiàn)象。針對這些問題,研究了基于共生關(guān)系模型的圖像標注優(yōu)化方法進行標注優(yōu)化。采用共生關(guān)系模型方法挖掘出語義之間的相互關(guān)系,實現(xiàn)對初始語義進行優(yōu)化。實驗結(jié)果表明進行標簽優(yōu)化使標注準確度有明顯提高。本文在研究圖像特征提取的基礎(chǔ)上,提取出能準確表達圖像視覺信息的圖像特征。在此基礎(chǔ)上,借助我們研究的圖像標注算法實現(xiàn)圖像標注。本文從圖像的特征提取、構(gòu)筑有效的標注模型、對得到的標簽進行優(yōu)化三個方面來改進圖像標注的性能。取得了很好的效果。
【關(guān)鍵詞】：連續(xù)預測 半監(jiān)督學習 圖像標注 圖學習 多標簽
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-16
• 1.1 研究背景及意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-13
• 1.3 本文的主要研究內(nèi)容13-14
• 1.4 本文的結(jié)構(gòu)安排14-16
• 第二章 圖像特征提取與分析16-28
• 2.1 圖像特征分析16
• 2.2 圖像特征提取16-23
• 2.2.1 顏色特征17-19
• 2.2.2 紋理特征19-20
• 2.2.3 邊緣特征20-23
• 2.3 實驗結(jié)果與分析23-27
• 2.3.1 實驗數(shù)據(jù)集與評價標準23
• 2.3.2 實驗結(jié)果與分析23-27
• 2.4 本章小結(jié)27-28
• 第三章 基于連續(xù)預測的半監(jiān)督學習28-40
• 3.1 基于圖的半監(jiān)督學習28-31
• 3.2 基于連續(xù)預測的半監(jiān)督學習31-36
• 3.2.1 圖的構(gòu)造31-33
• 3.2.2 基于連續(xù)預測的半監(jiān)督學習33-36
• 3.3 實驗結(jié)果與分析36-38
• 3.3.1 實驗數(shù)據(jù)集與評價標準36-37
• 3.3.2 實驗分析37-38
• 3.4 本章小結(jié)38-40
• 第四章 基于連續(xù)預測的半監(jiān)督學習圖像語義標注40-55
• 4.1 基于連續(xù)預測的多標簽半監(jiān)督學習41-45
• 4.2 基于連續(xù)預測的半監(jiān)督學習圖像語義標注45-46
• 4.3 基于共生關(guān)系模型的圖像標注優(yōu)化46-49
• 4.4 實驗49-54
• 4.4.1 實驗數(shù)據(jù)集與評價標準49-50
• 4.4.2 實驗結(jié)果與分析50-54
• 4.5 本章小結(jié)54-55
• 第五章 總結(jié)與展望55-57
• 參考文獻57-63
• 致謝63-64
• 研究成果及發(fā)表的論文64
• 攻讀碩士期間發(fā)表的論文64
• 參加的科研項目64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉建忠;;圖像邊緣的數(shù)學結(jié)構(gòu)分析[J];軟件;2011年05期

2 陳文兵;張小磊;;基于圖像邊緣的能見度計算方法[J];微型電腦應用;2009年04期

3 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數(shù)字圖像邊緣的算法比較[J];成都航空職業(yè)技術(shù)學院學報;2009年04期

4 潘衛(wèi)國;鮑泓;何寧;;一種傳統(tǒng)中國書畫圖像的二分類方法[J];計算機科學;2012年03期

5 周濤;陸惠玲;拓守恒;馬競先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補算法[J];寧夏大學學報(自然科學版);2012年01期

6 唐亮;唐娉;閻福禮;鄭柯;;HJ-1 CCD圖像自動幾何精糾正系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機應用;2012年S2期

7 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

8 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學與計算機;2014年08期

9 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

10 潘泓;夏良正;;一種基于圖像邊緣的矩計算方法[J];模式識別與人工智能;2003年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應用學術(shù)論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動感特征分析[A];第一屆中國情感計算及智能交互學術(shù)會議論文集[C];2003年

3 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復方法[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

4 王強;王風;;一種保持圖像幾何特征的去噪模型[A];中國通信學會第五屆學術(shù)年會論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質(zhì)量評測方法[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

7 孟晉麗;張毅;金林;;圖像中混合噪聲的小波域濾除方法[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

8 漆琳智;張超;吳向陽;;引導濾波的單幅圖像前景精確提取[A];浙江省電子學會2013學術(shù)年會論文集[C];2013年

9 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

10 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學術(shù)交流會論文集（下冊）[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

2 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報;2009年

3 ;B超術(shù)語解釋[N];農(nóng)村醫(yī)藥報（漢）;2008年

4 ;圖像質(zhì)量調(diào)整秘技[N];電腦報;2001年

5 馬駿睿 皓月;制作版畫效果圖片[N];中國攝影報;2007年

6 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報;2009年

7 西安 張正倉;I~（2）C總線控制的HG-2220AV液晶屏視頻信號驅(qū)動板[N];電子報;2003年

8 ;令挑剔的人也刮目相看[N];中國電子報;2001年

9 侯杰;國產(chǎn)芯片進軍移動多媒體市場[N];人民郵電;2003年

10 于亮、阿鯤;技術(shù)“掃”天下[N];中國計算機報;2002年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 梁福來;低空無人機載UWB SAR增強成像技術(shù)研究[D];國防科學技術(shù)大學;2013年

2 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國防科學技術(shù)大學;2014年

3 賈茜;基于時—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學;2014年

4 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學;2014年

5 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國防科學技術(shù)大學;2014年

6 楊小義;圖像特征識別算法及其在聾人視覺識別中的應用研究[D];重慶大學;2015年

7 王玉明;SAR圖像地雷場檢測技術(shù)研究[D];國防科學技術(shù)大學;2013年

8 溫景陽;圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學;2015年

9 李林;基于概率圖模型的圖像整體場景理解方法研究[D];電子科技大學;2014年

10 馮景;基于SAR圖像的海面溢油檢測研究[D];北京理工大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李鵬遠;圖像檢索算法研究及其在互聯(lián)網(wǎng)教育中的應用[D];華南理工大學;2015年

2 萬燕英;微聚焦X-ray圖像自適應正則化去噪方法[D];華南理工大學;2015年

3 毛雙艷;基于梯度域的圖像風格化渲染方法的研究及其應用[D];華南理工大學;2015年

4 向訓文;RGB-D圖像顯著性檢測研究[D];華南理工大學;2015年

5 曾旭;基于聚類和加權(quán)非局部的圖像稀疏去噪方法研究[D];天津理工大學;2015年

6 熊楊超;圖像美學評價及美學優(yōu)化研究[D];華南理工大學;2015年

7 王艷;圖像視覺顯著性檢測方法及應用的研究[D];華南理工大學;2015年

8 鄭露萍;圖像二階微分特征提取及人臉識別應用研究[D];昆明理工大學;2015年

9 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學;2015年

10 曹靜;基于暗通道先驗算法的圖像去霧處理[D];海南大學;2015年

本文編號：614604