資源描述：
《圖像自動標注算法研究及其應用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、分類號：TP393密級：公開UDC：學校代碼：10127碩士學位論文論文題目：圖像自動標注算法研究及其應用英文題目：Researchandapplicationofautomaticimageannotationalgorithm學位類別：工學碩士研究生姓名：鄭政宇學號：201202097學科(領(lǐng)域)名稱：軟件工程指導教師：譚躍生職稱：教授協(xié)助指導教師：職稱：2015年6月3日內(nèi)蒙古科技大學碩士學位論文摘要由于數(shù)字圖像信息的直觀性、形象性以及生動性使其在多個領(lǐng)域得到廣泛的應用，例如：教育、商業(yè)、新聞傳播以
2、及醫(yī)學等。而近年來隨著在互聯(lián)網(wǎng)的迅猛發(fā)展和計算機硬件的升級，數(shù)字多媒體圖像出現(xiàn)了爆炸式的增長，人類擁有了前所未有的、海量的、數(shù)以億計的圖像資源。數(shù)字圖像信息的海量化給人類帶來便利的同時也帶來了問題，即：如何準確、高效地從數(shù)以億計的圖像資源中檢索出用戶所需要的數(shù)字圖像信息。因此，圖像檢索成為了數(shù)字圖像信息研究的一大難題，并且困擾了多媒體領(lǐng)域研究多年。對于當前圖像自動標注的最常用的一類模型——生成模型，本文結(jié)合生成模型自動標注框架，對自動標注中可能造成速度變慢的方面進行的研究。傳統(tǒng)的生成模型，分為圖像表示，文
3、本表示和建立圖像-文本主題三個方面，即將一副圖像用文本矩陣和底層特征進行表示，再將這兩種表示方式適用一定方法進行關(guān)聯(lián)，生成出一個主題，并利用這個主題對后來的圖像進行分類標注。本文針對傳統(tǒng)局部特征提取算法在提取特征點時效率不高，生成描述子需要計算主方向等問題，本文結(jié)合經(jīng)典SURF算法和RGT（RadialGradientTransform），在精度損失盡可能小的情況下提高局部不變特征提取速度，提出了一種改進的AR-SURF（加速徑向SURF）算法。該方法在特征檢測階段，在定位特征點時減少構(gòu)造尺度空間時所計算
4、的響應層個數(shù)，將求取對應點響應放在定位階段。在特征描述階段，取消確定主方向的過程，將特征點周圍區(qū)域的Haar小波響應進行RGT變換，然后將特征點周圍區(qū)域劃分為多個同心圓，并統(tǒng)計特征點周圍圓形區(qū)域內(nèi)的響應結(jié)果，最后利用小波響應結(jié)果得到旋轉(zhuǎn)不變的特征描述子。實驗結(jié)果表明，AR-SURF算法節(jié)省了時空損耗，提升了定位速度，提取效果更好。AR-SURF算法在實時性要求高或者需要海量圖像處理的情況下較SURF算法更加合適。在文本表示和建立圖像-文本關(guān)聯(lián)主題的過程中，選用精度和速度都表現(xiàn)優(yōu)異的LSA算法（Latent
5、semanticanalysis）和CCA（Canonicalcorrelationanalysis）算法，同時利用稀疏特征向量的方法對CCA加速，得到SparseCCA算法，組成新的圖像自動標注的框架。理論上，圖像標注能夠幫助圖像挖掘和圖像檢索得到更好的結(jié)果。關(guān)鍵詞：圖像自動標注；AR-SURF；隱語義分析；稀疏典型相關(guān)性分析I內(nèi)蒙古科技大學碩士學位論文AbstractAsthequantityofimagedatapresentinggeometricgrowth,theexistingimagere
6、trievalproblemswhicharecausedbyitsusingkeywordsortextlabelasretrievalmechanismarestronglyappeared.Besides,artificialjobontheannotationimageislaboriousandtime-consuming,andartificialannotationhassubjectiveanduncertaintynaturewhichleadtoonepossibility:thean
7、notatingresultsmadebydifferentindividualscanexistkindofdifferenceamongtheseresults.Hence,highefficiencyandprecisemethodforautomaticimageannotationsurelycanefficientlypromotetheperformanceofimage-annotationsystem.Forpreviousonekindofmostnormalmodelsinautom
8、aticimage-annotationfield，generativemodel,thisarticlecombiningwiththemethodwouldstudythepotentialfactorsthatcauseslowerspeedintheprocessofautomaticannotation.Andasweknow,traditionalgenerativemodelcandivideintothreea
