筛选:  图像编码论文 论文本体语义相似度计算 图像处理论文中英双文 图像处理识别论文 硕士论文图像识别 图像拼接论文 语义学论文题目 国外图像论文 多媒体技术图像处理论文 计算机图像处理论文

【 论文】探讨一种基于视觉记忆的图像特征提取及语义标注方法(论文范本)

星级: ★★★★ 期刊: 权威作者:刘义红 浏览量:2914 论文级别:经典本章主题:图像语义原创论文: 5156论文网更新时间:审核稿件编辑:Aldrich本文版权归属:www.5156chinese.cn 分享次数:3199 评论次数: 7772

导读:如何写好一篇图像语义方面的论文。希望本篇一种基于视觉记忆的图像特征提取及语义标注方法的论文范文会对你的写作构思有所启发以助大学生们轻松完成写作任务。

摘要:该论文利用人类视觉记忆的工作机制和机理,提出一种基于视觉记忆的图像特征提取和语义标注方法,旨在解决图像特征提取和标注问题.这种方法首先利用图像分割技术提取图像目标区域特征,再运用隐马尔可夫模型在图像区域特征与标注词、标注词与标注词之间建立联系,现实图像的自动标注.最后,在真实数据集上仿真实验,结果表明该模型有效.

关键词:视觉记忆;特征提取;语义标注;HMM

中图分类号:TP391文献标识码:A文章编号:1009-3044(2018)15-0176-04

AnImageFeatureExtractingandSemanticTaggingMethodBasedonVisualMemory

LIUYi-hong

(CollegeofComputer,HuainanNormalUniversity,Huainan232038,China)

Abstract:Thispaperproposesanimagefeatureextractingandsemantictaggingmethodbyusingtheworkingmechanismofhumanvisualmemory。Itaimsatsolvingtheproblemsinimagefeatureextractingandsemantictagging。Themethodfirstusestheimagesegmentationtechniquetoextracttheimagefeaturesofthetargetarea,andthenusesHiddenMarkovModeltoestablishtherelationsbetweenthefeaturesofimageareaandtaggedwordsandbetweenthetaggedwordsthemselves,andthusautomatictaggingoftheimagesisachieved。Finally,thesimulationexperimentonrealdatasetshowsthatthemodelissimpleandeffectiveandcandosemantictaggingautomatically。

Keywords:visualmemory;featureextraction;semantictagging;HMM

1引言

一种基于视觉记忆的图像特征提取及语义标注方法
图像语义论文综述格式

隨着计算机云存储技术和智能终端技术的飞速发展,越来越多的用户喜欢将自己日常生活、学习过程中产生的数据分享到个人空间或保存到云端服务器上,其中很大一部分是图像、视频、音频等多媒体数据,而且数据正呈指数级增长.若干年后,如何从这些海量数据中检索出用户重要的记忆信息,辅助用户回忆,是一个非常有意义的课题.为解决个人云存储中图像的特征提取和标注问题,本文提出一种基于视觉记忆的图像特征提取和语义标注方法.试图通过人类视觉记忆的工作机制和机理,建立图像低层视觉特征与高层语义,以及高层语义与语义之间存在的关联,来图理解像语义,从而实现图像语义自动标注.该方法首先利用图像分割技术将图像的目标区域分割出来,建立目标区域特征与标注词之间关联;其次利用标注词之间的共生关系,建立标注词与标注词之间的联系;然后运用隐马尔可夫模型(HiddenMarkovModel,HMM)完成图像标注工作.最后,在数据集上进行仿真实验,结果显示该模型有效,能够较好地进行图像语义自动标注.

本篇探讨一种基于视觉记忆的图像特征提取及语义标注方法论文范文综合参考评定如下
有关论文范文主题研究:图像方面的论文综述格式大学生适用:硕士论文
相关参考文献下载数量:2032写作解决问题:怎样写论文综述格式
毕业论文开题报告:写作论文目录职称论文适用:写作中级职称论文
所属大学生专业类别:图像专业论文综述格式论文题目推荐度:优秀题目

2视觉记忆过程

视觉记忆是人脑对视觉特征编码、存储和检索的处理过程,是视觉系统中一种重要工作机制.心理学界普遍认为,人类的视觉记忆系统是由于感觉记忆、短时记忆和长时记忆三部分组成.文献[1]给出了视觉记忆信息加工模型(图1).

根据该模型,外部信息对人的视觉器官刺激后,形成视觉痕迹首先进入到感觉记忆,感觉记忆包含的信息量大,保持时间非常短暂,很快就会消失,通常只有数秒,而且很容易被掩盖或转移.短时记忆是从感觉记忆中提取出来的非常有限的视觉特征,这些特征如果遇到与认知活动相关或具有特定的刺激就会受到注意,并重新编码进入到一个容量有限、保持时间略长旳短时记忆系统中.短时记忆通常不受新信息加工处理的干扰,它若在没有复述刺激的情况下,保持很短一段时间后就会丧失.但是若通过加工整合性的复述,便会进入到长时记忆中.长时记忆是人记住一个先前见过的、但又不在头脑中持续激活的形象能力[2].长时记忆是一个真正的信息库,它有相当大的存储容量和很高的信息保持能力,进入长时记忆储存中的信息,相对而言是持久的、可呈现的.但是,当它们被干扰或强度削弱时,又会转入到短时记忆.

图像专业 论文如何写
播放次数:2858 评论人数:2032

具体而言,视觉记忆的形成分视觉特征编码、存储和检索三个步骤完成.即视觉记忆系统首先通过人的眼睛采集视觉信息,其次,从这些视觉信息中提取并保存感兴趣的目标特征,再次,将这些目标特征转换为高层语义信息,构成语义信息库.当人的视觉系统再次遇到类似目标时,则从视觉记忆中联想出相应的语义,从而对该目标进行判断和检索,进而可以实现未知目标的语义标注.

综上所述,本文正是基于视觉记忆的工作机制和机理,将视觉记忆系统引入到图像处理中,模拟视觉记忆的过程,实现图像的特征提取和语义标注.

3基于视觉记忆的图像语义标注模型

3。1模型

本文描述的基于视觉记忆的图像语义标注模型框架如图2所示.它分为两个阶段:第一个阶段为图像特征提取过程,它利用文献3中图像分割算法,获得图像不同目标区域特征,再建立图像区域特征与标注词之间的关联,并存入特征、语义库.第二个阶段为图像自动标注过程,它通过语义标注器,得到图像初始标注词,再根据标注词之间的共生关系获得联想语义,最终完成图像标注,并存入特征、语义库.3。2特征提取

我们采用文献3算法对图像进行进分割,获得图像不同目标区域,再利用图像的颜色矩和区域不变矩等特性来提取图像目标区域的底层视觉特征.

3。2。1颜色矩

颜色矩是由Stricker和Orengo[4,5]所提出的,用数学计算来描述颜色特征,提取颜色的低阶矩能很好地表达颜色信息的分布.这里,我们通过计算一、二、三阶矩,最终获得9个分量(RGB,3个颜色分量,每个分量3个阶矩)的图像颜色特征值.其计算公式如下:

[μi=1Nj=1Ncij](1)

[σi=1Nj=1N(cij-μi)212](2)

[δi=1Nj=1N(cij-μi)313](3)

其中,[cij]表示第j个象素的第i个颜色分量,N表示象素总数.

3。2。2区域不变矩

区域形状[6,7]用七阶不变矩描述,它具有良好的尺度、平移和旋转不变等特性.这里,我们通过计算图像区域形状的七阶不变矩,获得7个分量的图像区域形状特征值.

假设一幅图像用函数[f(x,y)]表示,若[f(x,y)]分段连续且在[xy]平面上的不全为零,则[f(x,y)]的各阶矩存在.下面给出[j+k]阶矩和中心矩计算公式.

3。3语义标注方法

假如把一幅图像的目标区域特征集,看成观测序列,将标注词集,看成状态序列,这样,我们可以用隐马尔可夫(HMM)生成模型来刻画图像语义标注过程.其概率模型为:

3。3。1参数的估计

定义6:(前向概率)给定隐马尔可夫模型,定义到t时刻部分观测序列为且状态为的概率為前向概率,记为

3。3。2语义标注算法

语义标注算法的思路是,给定一个测试图像的区域特征序列(观测序列),得到对应的标注序列(隐状态序列),使该标注序列出现后验概率最大.具体而言,就是求最大值对应的路径问题.这里,我们采用动态规划来求解最优路径,实现语义标注.

4实验分析

硬件环境:AMDA8-5600K3。6GHz;内存16G.

软件环境:操作系统Windows7,Matlab7。0.

实验使用的图像来源Corel图像库、Web搜索图像、自己拍摄图像,共1500张,图像像素均设为100×75大小,每幅图像含有标注词1至3个,标注词总数32个.采用五折交叉验证的方法,将1500张图像随机分成五份,依次选择一份作为测试图像,剩余四份作为训练图像,分别进行独立实验,最后取五次实验的均值.

本文采用准确率和查全率来衡量图像标注的性能.准确率是指标注词全部标注正确的样本数与测试样本总数之比,查全率是指标注词全部标注正确的样本数与至少有一个标注词标注正确的样本数之比.它们分别定义为:

式(16)(17)中,P表示准确率,R表示查全率,T表示标注词全部标注正确样本数,N表示测试样本总数,M表示至少有一个标注词标注正确的样本数.

实验时,为了提高HMM模型参数λ的学习效率,我们通过计算图像特征对应的标注词概率分布来初始化λ(Π0,A0,B0).图3给出了5张图像标注的实验结果示例,表明该方法能够有效地进行图像自动标注.表1展示了与经典图像标注算法CMRM[8],CRM[9],MBRM[10],GMM[11]在32个标注词上的对比实验结果,结果表明本文图像标注方法的准确率和查全率均优于其他算法,同时,也验证了该方法具有较好的标注效果.

5总结

通过对人类视觉记忆的工作机制和机理研究,本文提出了一种基于视觉记忆的图像特征提取和语义标注方法,它既能够较好地描述图像低层视觉特征和高层语义之间的联系,又融合了高层语义之间的内在联系,具有较好的图像语义自动标注效果.模型首先利用图像分割技术将图像目标区域分割出来,建立目标区域与标注词之间关联,再利用标注词之间的共生关系,建立标注词与标注词之间的联系,然后运用隐马尔可夫模型实现图像自动标注工作.最后,在真实数据集上仿真实验,并与其他经典标注方法进行对比实验,展示该模型的有效性.

[ 参考文献 ]

1、基于语义的多语言信息组织模式研究
李月婷,司莉 摘要 互联网信息多语言化已成趋势,跨语言信息检索成为研究热点,对多语言信息进行有序的组织是实现跨语言信息检索的基础。文章分析微观、中观、宏观三种多语言信息组织模式的层次结

2、科学文献与科学数据细粒度语义关联研究
摘 要 文章系统梳理、总结科学文献和科学数据在引用、元数据、细粒度语义等多维度上的关联研究;重点分析建立以语义标注为核心技术的文献和数据间细粒度内容语义关联模型的关键步骤,包括文献和科学数据语义标注流

3、网络图像中的藏族女性社会角色与地位研究
[摘要]藏族女性形象大量出现于网络,使得其从现实到网络中发生了巨大的社会角色与地位变迁。她们的角色地位确立过程得益于网络社会的崛起和网络文化的发展,得益于藏族文化的独特性,得益于藏区旅游热和“美女热”

论文本体语义相似度计算图像处理论文中英双文图像处理识别论文


本篇文章阅读概述:这篇图像语义论文归纳了怎么写毕业论文的开题报告范文和论文标准格式模版规范以及 图像论文轻松撰写技巧有助于学生们阅读参考提高写作水平。

本篇有关图像语义毕业论文范文免费供大学生阅读参考-点击更多406876篇图像语义相关论文开题报告格式范文模版供阅读下载
延伸阅读: 图像处理技术论文图像分割硕士论文图像处理论文总结关于图像处理的论文图形图像鉴赏论文数字图像处理应用论文中外图形图像论文医学图像论文关于数字图像处理论文基于vc的图像处理论文
硕士论文字体范本 个人论文集封面 英国文学学术论文 中学数学后进生论文 秘书论文范例 初二英语论文免费下载 工作论文撰写 中英文论文异同 关于行政公开的论文 关于特效的论文