資源描述：
《圖像自動標(biāo)注.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、目錄摘要IABSTRACTII緒論11自動圖像標(biāo)注概述31.1研究目的和意義31.2現(xiàn)有圖像標(biāo)注算法分類32用于圖像標(biāo)注的特征提取72.1顏色特征提取72.2紋理特征提取83支持向量機模型123.1SVM模型原理及核函數(shù)123.2參數(shù)設(shè)置和訓(xùn)練算法163.2.1參數(shù)的設(shè)置163.3.2SVM的訓(xùn)練算法173.3LIBSVM軟件包194SVM技術(shù)用于自動圖像標(biāo)注234.1特征提取模塊234.2SVM分類模塊234.3實驗結(jié)果及分析24結(jié)束語26致謝27參考文獻28附錄MATLAB程序源代碼29摘要近年來，自動圖像標(biāo)注（A
2、utomaticImageAnnotation,AIA）技術(shù)已經(jīng)成為圖像語義理解研究領(lǐng)域的熱點。隨著機器學(xué)習(xí)理論的不斷發(fā)展，包括相關(guān)模型、分類器模型等不同的學(xué)習(xí)模型已經(jīng)被廣泛地應(yīng)用于自動圖像標(biāo)注研究領(lǐng)域。自動圖像標(biāo)注就是讓計算機自動地給無標(biāo)注的圖像加上能夠反映圖像內(nèi)容的語義關(guān)鍵詞。自動圖像標(biāo)注在圖像檢索研究領(lǐng)域中非常具有挑戰(zhàn)性，是實現(xiàn)圖像語義檢索的關(guān)鍵?，F(xiàn)有的自動圖像標(biāo)注算法可以大致分為基于分類的標(biāo)注算法、基于概率關(guān)聯(lián)模型的標(biāo)注算法以及基于圖學(xué)習(xí)的標(biāo)注算法等三大類。本文重點研究了另外一種自動圖像標(biāo)注算法——基于SVM技
3、術(shù)的標(biāo)注算法，研究了SVM原理，構(gòu)造SVM分類器，應(yīng)用matlab對圖像進行紋理、顏色特征的提取，通過分類器，實現(xiàn)圖像自動標(biāo)注。關(guān)鍵詞：自動圖像標(biāo)注標(biāo)注算法分類器SVMABSTRACTInrecentyears,automaticimageannotation(AIA)technologyhasbecomethehotspotsofthefieldoftheimagesemanticunderstanding.Withthecontinuousdevelopmentofthetheoryofmachinelearnin
4、g,includingtherelatedmodel,theclassificationmodelofdifferentlearningmodelshavebeenwidelyusedinautomaticimageannotationresearchareas.Automaticimageannotationistoletthecomputerautomaticallymarkkeywordsthatcanreflectthesemanticsofimagecontentforthenon-markedimages.
5、Automaticimageannotationisverychallengingintheresearchfieldofimageretrieval,andisthekeytoachievetheimagesemanticretrieval.Automaticimageannotationalgorithmtaggingalgorithmcanbebroadlydividedintothreecategories,basedontheclassification,basedontheprobabilityassoci
6、atedwithtaggingalgorithmofthemodelandbasedongraphlearninglabelingalgorithm.Thispaperfocusesonanotherkindofautomaticimagetaggingalgorithm-SVM-basedtaggingalgorithm,tostudytheprincipleofSVMconstructedSVMclassifier,applicationMATLABforimagetextureandthecolorfeature
7、extraction,byclassifier,toachieveimageautomaticannotation.Keywords:automaticimageannotationtaggingalgorithmtheclassifierSVM緒論隨著數(shù)碼相機和可拍照手機等設(shè)備的日益普及，各種各樣的圖像數(shù)量呈現(xiàn)幾何級的飛速增長。而同時互聯(lián)網(wǎng)的快速發(fā)展也使得圖像傳播與共享變得更加快捷。因此，對網(wǎng)絡(luò)多媒體信息進行有效的管理與檢索成為迫切需要解決的問題。雖然基于內(nèi)容圖像檢索(Content-basedImageRetrie
8、val,CBIR)已經(jīng)取得了不少的研究成果，但由于受到“語義鴻溝(SemanticGap)”瓶頸的制約，即底層視覺特征（如顏色、紋理、形狀等）不能完全反映和匹配用戶的查詢意圖，導(dǎo)致基于內(nèi)容圖像檢索技術(shù)的研究遇到了前所未有的巨大挑戰(zhàn)，如何真正實現(xiàn)基于語義的圖像檢索仍舊是一個難題。由于用戶更加習(xí)慣于利用關(guān)鍵詞(Keywords)這種最
