基于条件随机场与纠错输出码的图像自动标注方法研究-电子与通信工程专业论文.docx
文本预览下载声明
IMAGE AUTOMATIC ANNOTATION METHODS BASED ON CONDITIONAL RANDOM FIELD AND ERROR CORRECTING OUTPUT CODE
Master Thesis Submitted to
University of Electronic Science and Technology of China
Major: Master of Engineering
Author: Rao Qian
Advisor: Professor Wen Hong
School: National Key Laboratory of Science and Technology on Communications
独 创 性 声 明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地 方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。
作者签名: 日期: 年 月 日
论 文 使 用 授 权
本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘, 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。
(保密的学位论文在解密后应遵守此规定)
作者签名: 导师签名:
日期: 年 月 日
I
I
摘要
摘 要
随着万维网和多媒体技术的发展,人们能更加便捷地获得图像资料,使得信 息量远远大于文本资料的图像更受人们青睐,图像的应用也日益变得广泛。如何 在海量的数据库里准确地检索到用户所需要的信息,成为迫切需要解决的问题。 于是基于内容的图像检索技术应运而生,并成为图像领域研究的热点问题。图像 自动标注技术是图像检索和图像智能识别的关键,是目标识别和图像理解等领域 工作的基础。图像自动标注技术利用一些关键词为图像进行标注,这些标注能够 反映图像的语义内容,适用于未来大规模的图像检索。本文将目前较为新兴的图 模型算法即条件随机场(Conditional Random Field)模型,引入到了图像标签研究 工作中,条件随机场模型能够很好地对图像标签之间的相互影响进行建模,提高 标签推理的正确率。但是该智能算法的引进带来了训练时间长、模型复杂等一系 列难题,于是提出基于纠错输出码的图像标签模型,该模型简便灵活,能够实现 低复杂度的图像自动标签,颇具研究意义。本论文的主要工作有以下几个方面:
1. 数字图像以单个像素的形式储存,其庞大的数据量和冗余信息一直是图像 处理中的难点。本论文为减少后续图像算法的复杂度,基于像素之间的相关性, 将图像先进行超像素分割得到超像素图,后面章节的算法均是以超像素替代像素 为基本处理单位,减少了计算的复杂度。
2. 以超像素为概率图的节点,利用条件随机场进行建模,基于给定的训练数 据对模型进行训练,然后对测试图像进行自动标注,条件随机场充分利用了超像 素间的相互影响这一信息,从而提高了自动标注的准确率。
3. 考虑到基于条件随机场图像自动标注的训练时间复杂度大的难点,创新地 将纠错输出码引入到图像自动标注技术中,将图像的多分类问题转化成二分类问 题,将编码的思想用于图像分类中,从而有效地降低了算法的时间复杂度。
关键词:图像自动标注,超像素,条件随机场(CRF),纠错输出码(ECOC)
AB
ABSTRACT
II
II
ABSTRACT
The image data becomes much more easily accessible to people and usually carries more information than text, thus the image becomes increasingly widespread with the development of the World Wide Web and multimedia technology. A critical issue now is how to retrieve information which users are interested effectively among vast amount of data. At this time, Content-based image retrieval technology arises and becomes a hot
显示全部