基于上下文信息的語義圖像分類研究.pdf

1、基于語義信息的圖像分類是解決語義圖像理解與分析的重要途徑。反映圖像中對象之間相互關(guān)系的圖像上下文信息，既是人類視覺識別系統(tǒng)中的重要信息來源，也是重要的圖像語義信息。近年來，將圖像上下文信息作為圖像本身體現(xiàn)的主要知識信息，以及視覺特征和上下文信息的融合利用已成為語義圖像理解與分析的潛在趨勢。換言之，對于基于語義的圖像理解與分類問題來說，圖像上下文信息有助于提高其準(zhǔn)確性。不過，當(dāng)前在利用上下文信息的模型和方法上還沒成熟，大部分研究都沒有充分

2、合理地利用圖像上下文信息。
　　本文針對圖像語義分類中存在的問題，提出一種基于上下文信息的語義圖像分類方案，展開了利用上下文信息的圖像分析研究，包括語義圖像描述、圖像分割、區(qū)域標(biāo)注以及圖像語義分類，取得了一些創(chuàng)新性成果。全文的主要貢獻(xiàn)概括如下:
　　(1)合適的圖像內(nèi)容描述是合理利用圖像語義信息的先決條件，也是語義圖像分類的先決問題之一。針對語義層次上的圖像內(nèi)容描述問題，本文通過圖結(jié)構(gòu)提出了基于上下文信息的圖像語義內(nèi)容描述方

3、法，包括基于條件隨機(jī)場和能量模型的圖像上下文模型和基于屬性關(guān)系圖的圖像語義內(nèi)容描述模型。從而為解決利用上下文信息的區(qū)域標(biāo)注和圖像場景語義分類問題提供理論基礎(chǔ)。
　　(2)利用圖像空間上下文信息等語義信息來進(jìn)行分割圖像，是提高基于語義的圖像理解與分類性能的一個(gè)重要途徑。本文面向基于語義的圖像分割，提出一種利用圖像中對象之間空間上下文關(guān)系的圖像分割方法。該方法首先引入圖像像素的局部空間上下文的模糊C均值聚類算法實(shí)施圖像初始分割。然后，

4、根據(jù)分割區(qū)域的空間上下文信息執(zhí)行區(qū)域合并，修正過分割的區(qū)域并得到了符合空間上下文條件的語義對象區(qū)域。
　　(3)基于語義的圖像分類需要獲取圖像對象的語義信息，即需要分割區(qū)域的對象識別工作。為了提高圖像區(qū)域的對象識別準(zhǔn)確性，本文提出一種利用語義上下文和空間上下文信息的基于能量的圖像區(qū)域標(biāo)注方法，通過圖像區(qū)域的視覺信息和圖像上下文信息的融合利用，進(jìn)行穩(wěn)定的對象標(biāo)注并提高其準(zhǔn)確性?；谀芰康姆椒ㄍㄟ^在節(jié)點(diǎn)集上定義合適的勢函數(shù)，包括區(qū)域-

5、對象對應(yīng)勢函數(shù)和對象之間相互作用勢函數(shù)，并且通過全能量的最小化來得到最終區(qū)域標(biāo)注結(jié)果，因而避免概率圖模型中存在的分配函數(shù)估計(jì)問題。
　　(4)充分利用圖像中的語義對象信息及其空間結(jié)構(gòu)信息是提高圖像分類準(zhǔn)確度的重要措施。針對基于語義信息的圖像分類，本文提出一種基于上下文信息的圖像分類方法。該方法根據(jù)本文提出的基于屬性關(guān)系圖的圖像描述模型，有效地利用了圖像中的語義對象信息及其空間關(guān)系信息。同時(shí)，根據(jù)本文提出的圖像場景語義距離度量方法，