论文部分内容阅读
图像语义分类是基于语义的图像检索研究领域中一个重要且有挑战性的课题。图像中蕴涵着一定的语义,根据图像所表示的语义将其进行分类是非常必要的。传统的图像分类技术主要是根据图像视觉特征的相似性来进行分类,大多忽略了语义的影响和作用,这不能很好地满足用户的真正需求,将图像按照语义进行合理的分类,会大大提高基于语义的图像检索性能。随着生活水平的提高,人们注重物质生活的同时更注重精神生活,对国画的鉴赏需求也会越来越多,以往的依靠标注进行关键字检索的方式已经不能满足人们的各种需要,人们更多关注的是找出某一类别的书画作品,例如检索花鸟画,或者山水画。所以根据国画所具有的语义对国画图像进行分类有很大的实用价值。本文是根据国画图像所具有的五种不同类别(花鸟画/山水画/人物画/鞍马画/竹子画)而对其进行分类的。本文以国画图像为数据源,对国画图像语义分类中的一些关键技术和主要算法做了深入的研究。设计并开发了“国画图像语义分类系统”,初步实现了国画图像语义分类,对根据语义选择国画作了一些有意义的探索。本文首先介绍了图像语义模型,该模型是对图像整个语义表示和处理过程的抽象,同时也为课题的进行提供了理论依据。其次阐述了颜色、纹理、形状等低阶图像特征的提取方法,在对国画图像进行特征提取时,颜色特征与形状特征的融合能很好的表达国画语义,由此提出了一种融合形状特征与颜色特征的表示方法,研究了颜色和形状的特征提取算法,融合图像的颜色和目标的形状特征,构建了一种新的特征向量,分析了国画图像的多维低阶特征与高阶语义之间的相关性,采用支持向量机实现语义分类,实验结果表明该方法提取的特征向量稳定,能得到较高的分类精度。且通过大量的社会调查和文献参阅,建立了国画图像低阶特征与高阶语义之间的映射关系,即国画图像中颜色和形状的融合特征与国画语义的映射关系。为国画图像语义分类的实现奠定了基础。基于支持向量机(SVM)技术在解决非线性、小样本问题上具有独特优势,所以本文采用支持向量机作为分类算法,实验达到了理想的效果。SVM分类函数形式上类似于一个神经网络,输出是中间节点的线性组合,每个中间节点对应于输入样本和一个支持向量的内积。本文利用多分类支持向量机实现了国画图像的五分类问题。通过前面对图像的特征提取及对分类算法的研究,本文最后开发了一个基于语义的国画图像分类系统,选择颜色与形状融合特征值作为识别国画语义的依据,输入到支持向量机分类器的输入层中,对支持向量机进行训练和测试分类,达到了较好的分类效果。论证了本文研究的实用价值。整个论文的工作验证了基于语义的图像分类是可行的,而且采用多特征融合与有效的分类算法能提高图像分类的准确率。该课题有着重要的理论意义和实用价值。