海量图像语义分析和检索技术研究

《海量图像语义分析和检索技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江大学计算机科学与技术学院博士学位论文海量图像语义分析和检索技术研究姓名：李晓燕申请学位级别：博士专业：计算机科学与技术指导教师：陈刚;董金祥20090401浙江大学博士学位论文摘璎多样性导致直接获取语义十分困难，自硕向下层次化语义构建符合人们的认知过程，更有效的获得多方位多粒度的图像语义。(2)研究融合语义非测度(non-metric)空间索引和视觉测度(metric)空间索引的检索机制：首先提出了一种综合度量图像相似程度的“语义相似度量”准则，从不同语义层次(视觉内容、元语义、高级语义与图像语义类别)探讨了图像语义的相似性问题。基于此，设计了一种快速高效的二阶段相似查询索引机制。其优点

2、在于：a)以文本语义为主，辅以视觉特征综合考虑的相似度量准则，更好地获得用户对图像语义相似匹配的查询理解；b)两阶段相似检索算法结合文本语义和视觉特征分阶段比较过滤，大大缩小了查询检索范围，不仅在性能上相对于传统的J

3、

4、爽序索引算法有指数级提高，同时也大幅提高查询准确度。(3)基于以上理论研究成果，实现高效可扩展的支持多模式用户查询的海量图像语义检索原型系统一HISA：系统集成图像特征获取、图像语义层次分析、图像语义模型建立、语义相似度量、融合索引机制等研究技术成果，支持基于关键字、图像例子、以及二者结合的查询，支持动态层次分类目录维护和浏览，提供图像自动标注等功能以完善现有的检索功能。并在

5、此原型系统平台基础上用大量真实世界的图像数据对本文提出的检索算法进行全面的评价分析，包括算法的各项参数调优测试，以及与传统检索算法的效率比较和实例分析。实验结果证明了本文提出的检索算法具有高可扩展性、在性能上和准确度上栩对传统检索算法有显著改进。(4)针对目前互联网协作标签(tag)的应用背景，进⋯步研究海量图像共事资源基于tag关联的语义理解和分析，提出了一种结合tag语义关联信息分析的图像结果聚类技术，以及基于此的迭代聚类检索模式一PivotBrowsing：该查询模式融合查询扩展机制、tag聚类算法、视觉特征重排、以及用户反馈等关键技术，提供全新的灵活友好的图像信息导航和用户交互方式，

6、使用户能够方便地浏览大量的纷繁复杂的查询返回结果，快速准确地找到想要的目标，以及进行信息发现。其中，对于关键技术一tag聚类，本文采用自顶向下的启发式的图划分算法实现快速、高效的结果聚类，满足在线查询的性能需求。该检索模式不仅仅适用于图像，也能浙江大学博士学位论文摘要应用于更一般的tag空间信息检索的模式，有很好的应用前景。(5)将基于tag的图像结果聚类迭代检索技术系列研究纳入之前海量图像语义检索的研究框架下，实现新颖的带tag图像语义检索原型系统一PivotBrowser，并对基于tag迭代聚类的图像语义检索技术应用展开全面的分析：该原型系统支持多种用户查询操作和反馈形式，利用用户的反馈

7、信息去矫正、改进或者进一步细化查询。通过大量真实的用tag描述的图像数据集进行定性的实例分析和定量的性能和效率评价，验证了本文提出的基于tag迭代聚类的图像语义检索模式的有效性，特别是能一定程度上解决tag空间的不～致性和多义性等问题，聚类效果理想，极大的提高了查询准确率和用户满意度。关键词：海量图像数据语义鸿沟图像语义层次模型两阶段检索检索结果聚类迭代检索浙江大学博士学位论文英文摘璎AbstractWiththerapiddevelopmentofWorldWideWeb，theprevalent．availabilityofval'-iousdigitalequipments，andev

8、er—growingimprovementoflarge-scalestorages，wehavewitnessedtheexplosivegrowthintheamountandcomplexityofimagedata．Microdigi—talimagesformthebasisofmanyapplications，likeentertainment?comnmrce，educationandSOon，bingmanyimagedatabasesthattendtogrowintounwieldyproportions．Themanagement，retrievalandapplica

9、tionoflarge—scaleimageinformationhasobservedmoreandmoreattentionfromresearchers，ithasbecomeachallengingproblemtoefficientandaccuratesearchandretrievalformtheexplosivegrowthofimagedata．AvarieWofContent—Based