面向圖像檢索的視覺特征提取及語義標注.pdf

1、目前面向圖像的搜索引擎主要有兩種:一是基于文本信息的圖像檢索系統(tǒng)，根據圖像信息通過人工進行文本描述，該方式是在早期圖像量不大的時候提出的?，F在面對浩如煙海的圖片量，手工標注的方式，勞力耗費太大，并且具有較強的主觀性，標注的人根據自己的認知進行判斷，圖片反饋的信息很大程度上跟人的心理活動有關，因此這種檢索方式已經越來越不能滿足現在的要求。二是基于圖像視覺內容的圖像檢索系統(tǒng)。主要是通過提取穩(wěn)定的圖像視覺特征并形成描述子，構建以距離相似度為索

2、引方式進行檢索，返回按照底層特征相似度大小排序的圖像。但是人們檢索的思維習慣是在語義基礎上，視覺底層相似的圖像可能表達不同的語義信息，視覺特征不相同的圖像的語義信息有可能是相同的。這就是通常意義上基于內容圖像檢索帶來的“語義鴻溝”。
　　本文就此展開研究，在機器學習的基礎上，將圖像底層視覺特征與高層語義建立映射關系，結合監(jiān)督學習和非監(jiān)督學習兩種方式構建語義標注模型。選用Dense SIFT采樣形成SIFT局部描述符，完成對圖像的特

3、征提取和描述。由于特征維數較大，對每個描述符進行降維，接下來對特征進一步表達，分別選用詞袋(Bag of Word，BOW)、局部特征聚合描述符(Vector of Locally Aggregated Descriptors，VLAD)、Fisher向量(Fisher Vector, FV)。FV相對BOW具有較大的數據編碼優(yōu)勢，用較少的視覺詞典形成更加細致的中間表達。為了彌補特征描述子的不足，引入了空間金字塔的特征表示方法，豐富了圖

4、像特征空間信息，最后使用支持向量機標注圖像語義。
　　圖像語義標注模型被建立，圖像檢索可通過語義特征實現。但語義空間內相似圖像太多，有時仍不能滿足用戶的需求。因此在此基礎上，本文在圖像檢索系統(tǒng)上加入圖像底層視覺特征的直接索引作為輔助檢索，能夠按照用戶視覺上相似度進行排序，進一步實現精確查找。該實現方法兼顧了由有監(jiān)督學習的方式得到的圖像語義特征和由無監(jiān)督學習的方式得到的底層視覺特征兩種方式的優(yōu)點，不僅實現了更符合人思維習慣的圖像檢索