基于语义和语法关系的特征表达用于图像理解

摘要

由于图像低层的物理特征与人的高层认识之间存在着“语义鸿沟”,现有的图像处理技术受到了很大的局限。近年来,很多学者提出了基于图像语义的图像处理方法,它的核心技术就是使用知识推理系统挖掘图像高层的语义信息。这里的语义信息,可以将其分为低层,中层和高层三个层次,它们分别对应了图像的特征语义、对象语义和概念语义。本文探索了这三个语义层探索了图像语义在图像分类,图像的目标分类及图像分割中的应用,主要工作如下:
　　 提出一种基于特征语义描述子的图像分类算法,该算法提出一种融合图像颜色,纹理及边缘信息的图像特征语义描述子,充分挖掘了图像的特征语义信息,并使用多类的SVM分类器进行了图像分类。算法取得了令人满意的准确率,从而验证了该特征语义描述子的有效性。
　　 提出一种结合场景语义与图像语义先验的目标分类算法,算法同时使用了图像的场景语义信息及语义先验。图像的场景语义是对整幅图的宏观理解,在算法中,利用这个信息,结合本体论的方法定义图像的目标类别库,以辅助图像目标分类。而图像的语义先验则是通过学习所得的目标类别间的上下文语义关系。为了提高目标分类的准确率,算法将图像的语义先验作为一种约束条件用于免疫克隆算法的适应度函数里面；将SVM对图像的初始分类结果看做是一组图像的标签序列,通过免疫克隆算法对这一组标签进行优化得到关于图像目标分类的最优化的结果。
　　 提出了一种基于语义结构树的遥感图像分割算法。通过构造出一棵能够表达图像内容的语义结构树,得到对图像完整的解析,并以此为基础,根据需求得到遥感图像分割的结果。图像的语义结构树,给出了从整幅图像场景到图像最小的语义基元的完整的解析。根据遥感图像本身的特点,构造了基于灰度和小波特征的遥感图像语法,图像语法则反应了语义结构树由初始的终端节点到根节点所遵循的规律。

目录

文摘

英文文摘

第一章 绪论

1.1 研究背景及意义

1.2 基于语义特征的图像理解发展及现状

1.3 语义研究的三个公开的问题

1.3.1 图像语义的提取

1.3.2 图像语法的挖掘

1.3.3 图像语义的应用

1.4 论文的主要内容及安排

第二章 基于特征语义描述子的图像分类

2.1 引言

2.2 图像特征语义描述子

2.2.1 纹理特征

2.2.2 颜色特征

2.2.3 边缘特征

2.2.4 提取特征语义描述子

2.3 基于SVM的图像分类

2.4 实验结果与分析

2.5 本章小结

第三章 结合场景语义与图像语义先验的目标分类

3.1 引言

3.2 图像的语义先验

3.3 图像的场景语义和本体

3.4 结合场景语义与图像语义先验的目标分类

3.4.1 基于规范切的图像分割

3.4.2 基于免疫克隆算法的目标分类优化

3.5 实验结果与分析

3.6 本章小结

第四章 基于语义结构树的遥感图像分割

4.1 引言

4.2 遥感图像的语义与语法

4.3 图像的语义结构树

4.4 基于语义结构树的图像分割

4.5 实验结果与分析

4.6 本章小结

第五章 总结与展望

5.1 本文总结

5.2 展望

致谢

参考文献

硕士学习阶段撰写的学术论文