论文素材 - 图文

学士学位论文

基于语义的图像检索的主要内容和技术研究

作者：**********

导师：**********

北京交通大学

2013年5月

学位论文版权使用授权书

本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。

（保密的学位论文在解密后适用本授权说明）

学位论文作者签名： 导师签名：

签字日期： 年 月 日 签字日期： 年 月 日

摘 要

多媒体技术及Internet的迅速发展，使得视觉信息检索成为当前迫切需要解决的问题，而图像检索是其中的一个重要方面。图像检索技术的发展历程，说明只有结合图像的多种信息，特别是语义信息，才能使检索系统的能力尽可能接近人的理解水平。基于语义内容的图像检索已经成为解决图像底层内容特征与人类高层语义之间“语义鸿沟”的关键。

论文首先对基于语义的图像检索的主要内容和技术现状进行了简单综述和分析，主要侧重于图像底层特征与高层语义之间的联系以及图像高层语义的提取技术，并且根据图像语义检索的思想及利用支持向量机在统计学习方面表现出的优越性能，提出了一种采用支持向量机（Support Machine Vector）实现图像底层视觉特征到高层语义的映射方法，即用SVM提取的图像语义类别表示图像高层内容，底层内容则集成图像的颜色、纹理等特征，根据这两个内容在图像库中检索图像。论文用此方法针对特例图片库实现图像的语义标注和检索，实验结果表明，该映射方法能较好的表达语义，并提高了图像的检索效率。

本论文设计并实现了一套图像检索实验系统，主要是作为语义提取算法的测试平台，是一个实验性的框架系统；论文介绍了系统的组

成模块、功能、以及查询手段，并给出了查询实例。

关键词：图像检索；基于语义；支持向量机；特征提取

Abstract

With the rapid development of multimedia technologies and Internet, an urgent demand has arisen for visual information retrieval, in which image retrieval plays an important role. From a historical point of view, we find that only if we use all kinds of image content, especially image semantics, the capability of retrieval system can close to human’s image understanding ability. So we can think that semantic-based image retrieval research is the key to account for “semantic gap”, which is existing between content-based image system organization and the concept-based user.

In this thesis, we firstly review the content and the state of the semantic-based image retrieval research, especially including the contact between image low-level features and high-level semantics, and some typical approaches to extract image semantic are presented. We can express image semantic extracted by SVM as image high-level content, and color or texture feature as image low-level content, and then we can retrieval images by these two expressions. In discussion, we focused on the experiment on an especial image database to realize image retrieval and semantic annotation, and our experimental results show that the mapping method is effective in expressing the ordinary user’s semantics.

.

Key words：Image Retrieval; Based-Semantic; Feature Extract; Support

Vector Machine (SVM)

目 录

摘 要 ............................................................................................................................... 2 ABSTRACT ...................................................................................................................... 3 1. 综述 .............................................................................................................................. 5 1.1研究背景 ................................................................................................................. 5 1.2 图像检索技术概述 ................................................................................................ 6 1.3本文的主要工作和行文结构 ................................................................................. 6 2. 基于语义的图像检索的主要内容和技术现状 ........................................................... 7 2.1有关图像语义 ......................................................................................................... 7

2.1.1图像内容模型 ................................................................................................. 8 2.1.2图像语义内容的描述 ..................................................................................... 8 2.2基于语义的图像检索技术 ..................................................................................... 9 2.2.1语义特征提取 ................................................................................................. 9 2.2.2语义检索方法 ............................................................................................... 10 2.3现有的图像语义检索系统 ................................................................................... 12 3. 一种图像底层特征向高层语义的映射方法 ............................................................. 13 3.1 引言 ...................................................................................................................... 13 3.2选取图像底层特征 ............................................................................................... 14 3.2.1 颜色特征 ...................................................................................................... 14 3.2.2 纹理特征 ...................................................................................................... 15 3.3有关支持向量机 ................................................................................................... 16 3.3.1 统计学习理论 .............................................................................................. 16 3.3.2 支持向量机 .................................................................................................. 16 3.4底层特征向高层语义的映射 ............................................................................... 17 3.4.1图像语义分类器的构造 ............................................................................... 17 3.4.2特例库上的语义映射 ................................................................................... 18 3.5语义提取实验及结果分析 ................................................................................... 20 3.5.1 图片库的构造 .............................................................................................. 20 3.5.2语义分类器比较 ........................................................................................... 21 4. 基于语义描述的图像检索实验系统 ......................................................................... 23 4.1系统框架 ............................................................................................................... 23 4.2各功能模块的设计 ............................................................................................... 23 4.2.1图像管理相关模块 ....................................................................................... 24 4.2.2图像检索相关模块 ....................................................................................... 25

4.2.3语义分类器训练界面 .................................................................................... 26 4.2.4图像检索界面 ............................................................................................... 27 4.3检索实验及及示例 ............................................................................................... 28 4.3.1关键字检索结果............................................................................................ 28 4.3.2示例检索结果 ............................................................................................... 29 5. 结论与展望 ................................................................................................................. 31 5.1论文小结 ............................................................................................................... 31 5.2进一步的研究工作 ............................................................................................... 32 5.3应用前景 ............................................................................................................... 32 致 谢 .............................................................................................................................. 32 参考文献 .......................................................................................................................... 33

1. 综述

1.1研究背景

随着科学技术的进步发展和推广应用，特别是计算机技术、WEB技术的蓬勃发展，信息高速公路的建设以及多媒体技术的推广应用，使得现代信息处理技术的对象和方法都有了很大的变化。这几年比较显著和重要的一个特点就是大量的各种类型的信息在全球得到了采集、传输、流通和应用，人们正在快速的进入一个信息化的社会。

随着网络环境的发展，在线信息的数量、种类和分布都在迅速增长扩展，图像、视频等作用于人类视觉系统的载体正逐渐变为网上最重要的信息载体，目前世界上有几亿人在使用Internet，这是一个巨大的分布式多媒体数据库。而Internet上最重要的功能之一就是查询搜索，如何有效地按照多媒体数据的特性去描述和检索这些数据便成为了信息技术研究中的热点问题。视觉信息检索是网络社会的重要技术

本文来源：https://www.bwwdw.com/article/79bh.html