基于图像分割的图像自动标注研究与实现

摘要

随着互联网的不断发展及移动终端的兴起，网络中的图像数量呈指数级增长，图像数据大规模的增长对图像理解处理技术提出了更高的要求。如何准确地对这些图像数据进行归类和检索，一直是学术界关注的焦点。目前比较成熟的检索方法主要是基于文本的图像检索，用户通过输入语义关键词查询，搜索到自己想要的图片。但是由于“语义鸿沟”的存在，图像底层特征一般难以直接地表征图像的内容，及其包含的高层语义信息。为了更好的缩小“语义鸿沟”，图像标注技术应运而生。图像自动标注技术能够很好地从图像内容中理解得出高层语义信息，获取图像信息关键词，对图像进行自动标注，因而图像标注技术成为图像检索的关键。为了提高图像标注的准确率，本文的主要工作如下：
　　(1)提出了一种纹理增强的图像分割算法，并将本算法应用到图像自动标注模型中。该方法采用JSEG图像分割方法的思想，但是JSEG图像分割方法只考虑了图像的颜色特征，而单一的颜色特征不能完整地表达图像的特征信息。基于这种不完备性，本文提出了一种基于纹理增强的图像分割方法，将小波纹理、LBP纹理特征与颜色特征地结合，通过实验验证该方法提高了图像分割的效果，同时将该方法用于图像标注模型中，实验数据表明，该方法也提高了图像的标注准确率。
　　(2)本文设计并实现了一个图像自动标注系统。系统首先对图像进行分割，获得每个特征区域的底层特征信息（每个区域用一个特征向量表示），然后建立底层特征信息与高级语义之间的映射关系。本文采用分类效果好的支持向量机（SVM）作为分类器，对样本特征数据集建立训练模型。标注过程首先对待标注图像进行分割，然后利用训练好的分类模型对各区域的底层特征进行分类，通过查询底层信息与高级语义之间的映射关系，获得每个区域的高层语义信息，从而实现整幅图像的自动标注。

目录

声明

第1章 绪 论

1. 1 研究背景及意义

1. 2 国内外研究现状

1. 3 本文的主要工作

1. 4 本文章节安排

第2章 图像自动标注技术概述

2. 1 图像自动标注基本框架

2. 2 图像主要分割算法

2. 3 图像视觉内容与特征表示

2. 4 图像标注模型

2. 5 图像标注效果评价方法

2. 6 本章小结

第3章 基于改进图像分割方法的图像自动标注

3. 1 引言

3.2 LBP纹理和小波变换

3. 3 改进的图像分割算法描述

3. 4 图像自动标注过程

3. 5 实验结果及分析

3. 6 本章小结

第4章 图像自动标注系统的设计与实现

4. 1 引言

4. 2 系统设计

4. 3 系统模块实现

4. 4 系统基本功能

4. 5 本章小结

结论

1.本文工作总结

2．下一步工作展望

参考文献

附录A 攻读硕士学位期间所参与的科研活动

致谢