1、移動電子終端和4G互聯(lián)網(wǎng)的高速發(fā)展給予了人們在日常生活中使用互聯(lián)網(wǎng)應(yīng)用的極大便利，與此同時，目前的數(shù)字信息采集設(shè)備的數(shù)據(jù)處理能力也進(jìn)一步加強(qiáng)，常用的社交工具已經(jīng)能夠支持大量并且較為復(fù)雜的圖像與視頻處理過程，這也增加了人們在日常生活中對圖像以及視頻數(shù)據(jù)的依賴。為了提高圖像/視頻數(shù)據(jù)的可使用性，需要計算機(jī)對這些數(shù)據(jù)進(jìn)行有效分析，這也是海量數(shù)據(jù)理解中一個亟待解決的問題。
　　圖像和視頻數(shù)據(jù)分析中最大的難點(diǎn)在于對其語義內(nèi)容的理解。在圖像語

2、義理解三層模型（視覺層、對象層和概念層）中，視覺層特征很難滿足目前圖像語義理解的需求，而概念層語義信息作為圖像理解的目標(biāo)，直接學(xué)習(xí)獲取比較困難。本文重點(diǎn)關(guān)注圖像的中間層語義特征學(xué)習(xí)，并從語義上下文特征和語義圖像塊兩個方面進(jìn)行了相關(guān)研究。
　　首先，本文提出了一種基于多層特征表示的視頻語義概念檢測方法。在這種方法中本文考慮學(xué)習(xí)底層特征之間的潛在關(guān)聯(lián)性，具體使用主題模型(LDA)學(xué)習(xí)圖像的底層特征之間的語義上下文關(guān)系，作為圖像的上下文

3、語義信息，同時考慮一種有效的基于底層特征的全局編碼方式，即費(fèi)舍爾向量，學(xué)習(xí)基于底層特征的圖像全局特征表示，并在最終的圖像特征表示中對這兩種特征進(jìn)行融合。本文通過語義概念檢測實驗來驗證這種方法的有效性。
　　其次，本文還提出了一種自頂而下的中間層語義特征學(xué)習(xí)方法。這份工作中的關(guān)注重點(diǎn)是底層特征之間的共現(xiàn)特性，并考慮使用模式挖掘算法對這種共現(xiàn)特征進(jìn)行挖掘作為圖像的中間層語義特征，在實驗中具體使用最優(yōu)模式模型學(xué)習(xí)算法。本文首先從輸入圖像