1、基于內(nèi)容的圖像檢索存在圖像原始的底層特征與用戶抽象的深層語義之間的“語義鴻溝”,目前縮小“語義鴻溝”的方法還不夠理想。隨著Web2.0的發(fā)展,越來越多的互聯(lián)網(wǎng)用戶在向互聯(lián)網(wǎng)上傳圖片時(shí),同時(shí)會附加相應(yīng)的文本信息對圖片予以描述或說明。這些信息對于分析圖像的語義內(nèi)容、挖掘圖像檢索用戶意圖具有重要作用。以往研究者主要偏重從機(jī)器學(xué)習(xí)的角度對圖像自動標(biāo)注進(jìn)行研究,對于如何有效利用這些信息并沒有給予充分的考慮與重視。
　　基于機(jī)器學(xué)習(xí)的圖片自動

2、標(biāo)注方法需要大量的參數(shù)優(yōu)化與復(fù)雜的學(xué)習(xí)過程,不能快速的對大量網(wǎng)絡(luò)圖片進(jìn)行有效的標(biāo)注,基于此本文設(shè)計(jì)并實(shí)現(xiàn)了基于 Web的圖像自動標(biāo)注方法。該方法首先利用圖像的文本化表示對圖像進(jìn)行特征提取;然后使用圖像檢索技術(shù),檢索出與要標(biāo)注的圖像相似的圖像列表;通過對這些圖像的周圍文本信息進(jìn)行綜合處理,最后挖掘出待標(biāo)注圖像豐富的語義標(biāo)注。本文的主要貢獻(xiàn)概括為如下幾部分:
　　(1)首先,通過使用圖像處理技術(shù)和快速流式K-means聚類算法,實(shí)現(xiàn)圖

3、像的文本化表示,將文本領(lǐng)域的方法應(yīng)用到圖像處理中,從而簡化圖像檢索與處理時(shí)的工作。
　　(2)再次,為有效的分析基于機(jī)器學(xué)習(xí)的圖像自動標(biāo)注方法的特點(diǎn),在圖像文本化的基礎(chǔ)上，實(shí)現(xiàn)兩種當(dāng)前效果較好的多類標(biāo)分類方法MLKNN和MFoM。在此基礎(chǔ)上分析基于機(jī)器學(xué)習(xí)的圖像自動標(biāo)注方法的優(yōu)缺點(diǎn)。
　　(3)最后,為克服基于機(jī)器學(xué)習(xí)的圖像自動標(biāo)注方法的缺點(diǎn),解決快速增長的互聯(lián)網(wǎng)圖片的自動標(biāo)注問題。本文通過利用互聯(lián)網(wǎng)圖片的周圍文本信息對圖像

4、進(jìn)行有效的語義標(biāo)注,設(shè)計(jì)并實(shí)現(xiàn)了基于 Web的圖像語義自動標(biāo)注方法的整體架構(gòu)以及詳細(xì)算法。該方法綜合利用圖像的文本化表示、基于內(nèi)容的圖像檢索方式以及自然語言處理技術(shù)對圖像進(jìn)行自動標(biāo)注。
　　實(shí)驗(yàn)結(jié)果表明,當(dāng)圖像數(shù)據(jù)規(guī)模較大、圖片語義標(biāo)簽較多的情況下,基于Web的圖像自動標(biāo)注方法在準(zhǔn)確率和召回率方面,都明顯優(yōu)于基于機(jī)器學(xué)習(xí)的圖像自動標(biāo)注方法。該方法不需要大量的參數(shù)優(yōu)化和復(fù)雜的學(xué)習(xí)過程,避免對訓(xùn)練集進(jìn)行大量的人工標(biāo)注過程,能夠從相對“