图像自动标注

武汉理工大学毕业设计（论文）目录摘要.............................................................................................................................IABSTRACT...............................................................................................................II绪论............................................................................................................................11自动图像标注概述.................................................................................................31.1研究目的和意义...........................................................................................31.2现有图像标注算法分类................................................................................32用于图像标注的特征提取....................................................................................72.1颜色特征提取...............................................................................................72.2纹理特征提取...............................................................................................83支持向量机模型...................................................................................................123.1SVM模型原理及核函数.............................................................................123.2参数设置和训练算法..................................................................................163.2.1参数的设置.......................................................................................163.3.2SVM的训练算法...............................................................................173.3LIBSVM软件包..........................................................................................194SVM技术用于自动图像标注...............................................................................234.1特征提取模块.............................................................................................234.2SVM分类模块............................................................................................234.3实验结果及分析.........................................................................................24结束语......................................................................................................................26致谢..........................................................................................................................27参考文献..................................................................................................................28附录MATLAB程序源代码.....................................................................................29武汉理工大学毕业设计（论文）I摘要近年来，自动图像标注（AutomaticImageAnnotation,AIA）技术已经成为图像语义理解研究领域的热点。随着机器学习理论的不断发展，包括相关模型、分类器模型等不同的学习模型已经被广泛地应用于自动图像标注研究领域。自动图像标注就是让计算机自动地给无标注的图像加上能够反映图像内容的语义关键词。自动图像标注在图像检索研究领域中非常具有挑战性，是实现图像语义检索的关键。现有的自动图像标注算法可以大致分为基于分类的标注算法、基于概率关联模型的标注算法以及基于图学习的标注算法等三大类。本文重点研究了另外一种自动图像标注算法——基于SVM技术的标注算法，研究了SVM原理，构造SVM分类器，应用matlab对图像进行纹理、颜色特征的提取，通过分类器，实现图像自动标注。关键词：自动图像标注标注算法分类器SVM武汉理工大学毕业设计（论文）IIABSTRACTInrecentyears,automaticimageannotation(AIA)technologyhasbecomethehotspotsofthefieldoftheimagesemanticunderstanding.Withthecontinuousdevelopmentofthetheoryofmachinelearning,includingtherelatedmodel,theclassificationmodelofdifferentlearningmodelshavebeenwidelyusedinautomaticimageannotationresearchareas.Automaticimageannotationistoletthecomputerautomaticallymarkkeywordsthatcanreflectthesemanticsofimagecontentforthenon-markedimages.Automaticimageannotationisverychallengingintheresearchfieldofimageretrieval,andisthekeytoachievetheimagesemanticretrieval.Automaticimageannotationalgorithmtaggingalgorithmcanbebroadlydividedintothreecategories,basedontheclassification,basedontheprobabilityassociatedwithtaggingalgorithmofthemodelandbasedongraphlearninglabelingalgorithm.Thispaperfocusesonanotherkindofautomaticimagetaggingalgorithm-SVM-basedtaggingalgorithm,tostudytheprincipleofSVMconstructedSVMclassifier,applicationMATLABforimagetextureandthecolorfeatureextraction,byclassifier,toachieveimageautomaticannotation.Keywords:automaticimageannotationtaggingalgorithmtheclassifierSVM武汉理工大学毕业设计（论文）1绪论随着数码相机和可拍照手机等设备的日益普及，各种各样的图像数量呈现几何级的飞速增长。而同时互联网的快速发展也使得图像传播与共享变得更加快捷。因此，对网络多媒体信息进行有效的管理与检索成为迫切需要解决的问题。虽然基于内容图像检索(Content-basedImageRetrieval,CBIR)已经取得了不少的研究成果，但由于受到“语义鸿沟(SemanticGap)”瓶颈的制约，即底层视觉特征（如颜色、纹理、形状等）不能完全反映和匹配用户的查询意图，导致基于内容图像检索技术的研究遇到了前所未有的巨大挑战，如何真正实现基于语义的图像检索仍旧是一个难题。由于用户更加习惯于利用关键词(Keywords)这种最为直接的方式来表达查询需求，并且现有的互联网搜索引擎均提供基于文本的图像检索功能，而人工标注又是一项相当费时费力的工作，由此催生了自动图像标注技术的发展。自动图像标注(AutomaticImageAnnotation,AIA)就是让计算机自动地给无标注的图像加上能够反映图像内容的语义关键词。它利用已标注图像集或其他可获得的信息自动学习语义概念空间与视觉特征空间的关系模型，并且此模型标注未知语义的图像，即它试图在图像的高层语义信息和低层特征之间建立一种映射关系，因此在一定程度上可以解决“语义鸿沟”问题。现有的人部分自动图像标注算法，都尝试着直接在图像级别实现语义关键词的标注，即算法无需在图像的区域和关键词之间建立一一刘一应的映射关系。但也有部分工作试图从物体识别的技术角度去解决标注问题，为一幅图像的每个区域均赋予关键词。据此，我们将前者称之为标注(annotation)，而将后者称之为区域命名(regionnaming,onceLo-onecorrespondencebetweenwordsandregions)。自动图像标注在图像检索研究领域中非常具有挑战性，是实现图像语义检索的关键。若能实现自动图像标注，则图像检索问题就可以转化为相当成熟的文本检索问题。自动图像标注涉及计算机视觉、机器学习、信息检索等多方而的内容，具有很强的研究价值和潜在的商业应用，如个人桌而照片管理、互联网图像广告自动投放等应用]1[。Mori等人在1999年提出的共生模型(Co-occurrenceModel)，开辟了自动图像标注领域的研究。此后各种新颖的自动图像标注算法不断涌现，众多的研究者从不同的角度分析和解决标注问题，期望能找到良好的检索和标注方法。这些方法从图