文档介绍：湘潭大学
硕士学位论文
基于图像内容的底层特征与高层语义的关联研究及应用
姓名:成洁
申请学位级别:硕士
专业:计算机应用技术
指导教师:石跃祥;施颂生
20060501
摘要
随着计算机技术、多媒体技术和国际互联网的飞速发展,包括图像在内的各种
多媒体数据的数量正在快速增长。在人们拥有了对海量信息共享机会的时候,如何
有效地、快速地从大规模的图像数据库中检索出需要的图像是目前的一个迫切问
题。基于内容的图像检索技术正是解决这一问题的有效途径。本文主要针对基于内
容的图像分析与检索中的关键技术展开基础研究,并积极实践。
基于内容的图像检索中,针对图像的底层可视特征与高层语义特征之间的鸿
沟,运用了一种新的基于模糊支持向量机(FSVM)的语义关联方法。一方面,对图像
底层特征的提取进行研究,使色彩空间中的非均匀量化算法更符合人的视觉感知特
性和主观感受,并有效地降低了算法复杂度,提高了语义关联效率;另一方面,对
图像检索中的底层特征与高层语义之间的关联进行分析,从机器学习的角度提出了
一种新的基于模糊支持向量机(FSVM)的语义关联方法,进而用于语义关联中改进了
系统的性能。并与基于支持向量机(SVM)的语义关联方法相比较,重点分析了支持
向量机语义关联中存在的误分、拒分现象,在传统支持向量机中引入模糊隶属度函
数,解决了不可分区域问题。另外,还对图像底层特征的选取做了实验和比较。通
过对图像底层特征的分析,提取了颜色和形状特征向量(221维),将它们作为模糊
支持向量机的输入向量,对图像类进行学习,建立图像底层特征与高层语义的关联。
并应用于鸟类、花卉、海洋以及建筑物等几个典型的语义类别检索,实验结果表明,
该方法可适应于不同用户的图像检索,在相同的条件下可以达到比支持向量机方法
更为理想的语义关联效果,提高了检索性能。

关键词:基于内容的图像检索;底层特征;高层语义;支持向量机(SVM);
模糊支持向量机(FSVM)

I
ABSTRACT

With the rapid advancement of puter, multimedia and technology,
the amount of various multimedia data including images is increasing quickly. While
people have the chance to share the huge information, there is a problem that how to find
needed image efficiently in large-scale image ing before us. One effective
way has been proposed to solve the problem that is content-based image retrieval
technique. This paper is aimed at the key techniques of the content-based image analysis
and retrieval.
A new method for correlating image low-level feature with high-level semantic
based on Fuzzy Support Vector Machine (FSVM) is applied, aiming at ing the
considerable gap between them in the field of content-based image retrieval. On the one
hand, by researching into the image low-level feature extraction, make the
non-homogeneous quantified algorithm of color-space more consistent with human
visual perception and subjective feelings; On the other hand, by analyzing the
correlation between image low-level feature and high-level semantic in the image
ret