本文關鍵詞：基于結構化信息的圖像內容分析與理解，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著社會媒體的興起,海量的多媒體數(shù)據在互聯(lián)網上涌現(xiàn)。多媒體數(shù)據的快速增長給海量媒體數(shù)據的分析、理解和檢索帶來了巨大挑戰(zhàn)。挖掘媒體數(shù)據內部蘊含的豐富結構信息將有助于揭示數(shù)據與數(shù)據間的相互關系,從而幫助我們更好的處理海量媒體數(shù)據,從容應對這一挑戰(zhàn)。在本論文中,我們將進一步對基于結構化信息的圖像內容分析和理解技術進行深入研究。為此,我們擬從高中低三個層次入手,圍繞圖像分析和理解中的四個關鍵問題:場景中的目標檢測、目標物體的聚類、目標物體的語義預測與理解、以及基于目標物體的圖像檢索和加密來開展工作。我們將首先挖掘高層語義間的結構化信息,主要是指通過挖掘物體的類別、屬性等高層語義信息間存在的特定結構來解決圖像檢索,物體檢測等問題。其次是挖掘中層圖像間的結構化信息,主要是指探索多張非相關圖像間內容上的耦合關系,以期獲得更好的圖像加密算法。最后是挖掘低層特征間的結構化信息,主要是指在區(qū)域標注,顯著性檢測等問題中加入圖像特征間的結構化先驗信息來提升相關算法的性能。具體而言,本論文的研究內容和創(chuàng)新點包括:1)在挖掘高層語義結構化信息方面,包括三個工作。第一個工作我們把圖像中物體的超類、類別、以及屬性信息以分層樹形結構來組織,構造一個樹形結構的語義單元,并提出了基于結構化支持向量機的預測模型,從而對未知物體的語義信息進行結構化的預測輸出,該工作解決了現(xiàn)存語義預測模型信息單一問題,有助于進一步彌補圖像檢索中的語義鴻溝現(xiàn)象。在此基礎上,第二個工作在多個樹形結構語義單元之間加入了物體間的空間信息,從而構造一個帶葉子的三角形結構來對圖像進行描述,并用此結構解決結構化圖像檢索問題。該工作豐富了當前圖像檢索的輸入形式,有助于進一步實現(xiàn)用戶的檢索意圖。第三個工作我們提出了一種基于物體類別、位置、尺度信息的高階上下文描述符,該描述符通過融合多個上下文源以及物體間的高階關系來判斷物體檢測算法輸出的候選物體是否符合圖片的上下文信息,從而濾除錯誤檢測,保留正確檢測。該描述符首次把多源上下文信息和高階關系統(tǒng)一到一個理論框架中,有效提升了物體檢測的正確率。2)在挖掘中層圖像結構化信息方面,我們認為任意兩張或多張不相關圖像間存在耦合關系,并且是可以相互轉換的。為此,我們提出了一種基于耦合字典學習和壓縮感知技術的圖像重建算法。該算法在保證圖像質量的前提下先對兩張或多張不相關圖像進行編碼,之后給定任意一張編碼圖像,可對另外一張圖像進行重建。該算法可用于解決圖像加密問題,與傳統(tǒng)的加密算法相比,我們提出的解決方法不需要在封面圖像中嵌入任何數(shù)據,可大大提高傳輸過程中秘密數(shù)據的安全性。3)在挖掘低層特征結構化信息方面,也同樣包括三個工作。第一個工作使用張量表示人臉圖像,并提出了基于張量分析的魯棒人臉聚類算法。與傳統(tǒng)使用向量表示法相比,張量可以很好的保留人臉圖像中的結構化信息。此外,該工作可有效濾除人臉圖像中存在的各種噪聲,相比傳統(tǒng)人臉聚類算法更加的魯棒。在第二個工作中,我們挖掘區(qū)域標注過程中特征點、區(qū)域、圖像之間存在的樹形結構關系,并融合此樹形關系進結構化稀疏表示理論框架中,有效的提升了區(qū)域標注算法的準確率。第三個工作我們挖掘顯著性檢測過程中圖像間的結構化信息,并結合D-S證據理論提出了結構化的顯著性檢測算法。所提算法簡單,有效,不需要訓練過程�？勺鳛楹筇幚聿襟E提升現(xiàn)有顯著性檢測算法的性能。在以上這些工作中,基于結構化信息的顯著性區(qū)域檢測算法和基于多源信息的高階上下文描述符用于解決場景中的目標檢測問題;基于張量分析的魯棒人臉聚類算法用于解決目標物體的聚類問題;基于結構化信息的語義標注和基于樹形結構的增廣圖像描述算法用于解決目標物體的語義預測與理解問題;結構化的圖像檢索和有意義的圖像加密算法則用于解決基于目標物體的圖像檢索和加密問題。
【關鍵詞】：結構化學習與預測 樹形結構 圖像加密 圖像檢索 顯著性檢測 高層語義 雙字典學習 壓縮感知 張量分析 人臉聚類
【學位授予單位】：天津大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-21
• 1.1 研究背景與意義11-15
• 1.1.1 研究背景11-14
• 1.1.2 研究意義14-15
• 1.2 本文的主要研究內容與貢獻15-18
• 1.3 本文的結構18-21
• 第二章 高層語義間結構化信息研究21-51
• 2.1 基于結構化預測輸出的增廣圖像描述21-32
• 2.1.1 相關工作22-23
• 2.1.2 結構化輸出預測模型23-27
• 2.1.3 實驗結果及分析27-31
• 2.1.4 小結31-32
• 2.2 基于興趣區(qū)域的結構化圖像檢索方法32-39
• 2.2.1 結構化圖像檢索框架32-35
• 2.2.2 實驗結果及分析35-39
• 2.2.3 小結39
• 2.3 基于語義、空間和尺度信息的高階上下文描述符39-50
• 2.3.1 相關工作39-40
• 2.3.2 高階上下文描述符40-44
• 2.3.3 基于高階上下文描述符的物體檢測44-46
• 2.3.4 實驗結果及分析46-49
• 2.3.5 小結49-50
• 2.4 本章小結50-51
• 第三章 中層圖像間結構化信息研究51-67
• 3.1 一種無嵌入的新穎圖像加密算法51-63
• 3.1.1 相關工作52
• 3.1.2 無嵌入圖像加密系統(tǒng)52-56
• 3.1.3 實驗結果及分析56-63
• 3.1.4 小結63
• 3.2 本章小結63-67
• 第四章 低層特征間結構化信息研究67-93
• 4.1 基于D-S證據理論的結構化顯著性區(qū)域檢測算法67-73
• 4.1.1 預備知識68-69
• 4.1.2 顯著性融合69-71
• 4.1.3 實驗結果及分析71-73
• 4.1.4 小結73
• 4.2 基于張量分解的魯棒人臉聚類算法73-84
• 4.2.1 相關工作74-75
• 4.2.2 人臉聚類框架75-76
• 4.2.3 求解算法76-79
• 4.2.4 實驗結果及分析79-83
• 4.2.5 小結83-84
• 4.3 基于分層結構的統(tǒng)一字典學習和區(qū)域標注算法84-91
• 4.3.1 相關工作84-85
• 4.3.2 預備知識85-87
• 4.3.3 所提區(qū)域標注框架87-89
• 4.3.4 實驗結果及分析89-91
• 4.3.5 小結91
• 4.4 本章小結91-93
• 第五章 總結與展望93-95
• 5.1 總結93-94
• 5.2 展望94-95
• 參考文獻95-109
• 發(fā)表論文和參加科研情況說明109-111
• 致謝111-112

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 李濤;李延增;孫偉;趙鋼;;產品結構化信息樹版本管理方法的研究與實現(xiàn)[J];計算機應用研究;2010年10期

2 張潔;肖宏;;針對大型規(guī)劃型文獻的結構化信息分析方法及其應用——以癌癥控制規(guī)劃為例[J];圖書情報工作;2008年05期

3 李秋花;王影;;SOA標準與應用——“SOA標準化國際論壇”報道[J];信息技術與標準化;2008年12期

4 趙靖;王僑文;管馬周;單傳佳;;自動提取布局結構相似網頁的結構化信息[J];安徽科技學院學報;2010年06期

5 涂新輝;張紅春;周琨峰;何婷婷;;中文維基百科的結構化信息抽取及詞語相關度計算方法[J];中文信息學報;2012年03期

6 高英;郭荷清;鄒智敏;;提取半結構化信息源中對象間精確語義相似性的方法研究[J];計算機科學;2006年09期

7 李海鷹,周輝,解光軍,李動恒,莊鎮(zhèn)泉;基于EC-MAS的半結構化信息處理模式研究[J];計算機工程;2001年12期

8 郭文宏;范學峰;;面向Web結構化信息處理的漢語知識庫構建研究[J];計算機科學;2009年01期

9 邵X;楊春磊;錢立賓;方帥;;基于模式匹配的結構化信息抽取[J];模式識別與人工智能;2014年08期

10 黃奇,李偉,接曉莉;網絡半結構化信息資源的描述[J];圖書情報工作;2002年02期

中國重要會議論文全文數(shù)據庫 前2條

1 曹瑋祺;梁華瑞;朱雷;李涓子;王克宏;;基于半結構化信息模型的信息檢索[A];第六屆全國計算機應用聯(lián)合學術會議論文集[C];2002年

2 張紅春;何婷婷;涂新輝;周琨峰;;中文維基百科的結構化信息抽取及詞語相關度計算[A];中國計算語言學研究前沿進展（2009-2011）[C];2011年

中國重要報紙全文數(shù)據庫 前3條

1 中國社會科學院財經院 院計算機網絡中心 荊林波 甄宇鵬;應對大數(shù)據時代的挑戰(zhàn)[N];中國交通報;2013年

2 衛(wèi)人;不要讓大數(shù)據因浮躁而走向歧途[N];中國經濟導報;2013年

3 王克宏;基于XML的Web服務技術——強強聯(lián)合鑄造未來[N];計算機世界;2003年

中國博士學位論文全文數(shù)據庫 前1條

1 韋星星;基于結構化信息的圖像內容分析與理解[D];天津大學;2015年

中國碩士學位論文全文數(shù)據庫 前9條

1 張紅春;中文維基百科的結構化信息抽取及詞語相關度計算[D];華中師范大學;2011年

2 季成暉;基于半結構化信息的產品推薦系統(tǒng)[D];北京郵電大學;2013年

3 楊春磊;基于模式匹配的結構化信息抽取研究[D];合肥工業(yè)大學;2013年

4 王石;基于XML的Web挖掘[D];東北師范大學;2005年

5 趙天宇;微博輿情分析中的網頁結構化信息抽取技術研究[D];北京郵電大學;2014年

6 岳國偉;基于本體的Web頁面結構化信息抽取[D];山東科技大學;2007年

7 張紅蕾;基于結構化信息的人體運動識別[D];西安電子科技大學;2013年

8 劉兵;蛋白質關系抽取中平面特征和結構化信息的研究[D];蘇州大學;2011年

9 彭成;面向社會網絡的人物關系抽取研究[D];蘇州大學;2013年

  本文關鍵詞：基于結構化信息的圖像內容分析與理解，由筆耕文化傳播整理發(fā)布。

，

本文編號：295612