1、圖像的自動(dòng)標(biāo)注技術(shù)和基于語(yǔ)義的圖像檢索技術(shù)在多媒體信息檢索領(lǐng)域有著重要的地位。圖像標(biāo)注滿足了用戶(hù)在海量圖像數(shù)據(jù)庫(kù)中進(jìn)行關(guān)鍵詞檢索的需要。傳統(tǒng)的基于文本的圖像檢索系統(tǒng)需要耗費(fèi)大量人力進(jìn)行手工標(biāo)注,因此,研究人員提出了基于內(nèi)容的圖像檢索技術(shù),該技術(shù)直接從圖像內(nèi)容中提取顏色、紋理和形狀等底層特征進(jìn)行檢索。但是,隨著研究的深入,基于內(nèi)容的圖像檢索遇到了一個(gè)嚴(yán)重的問(wèn)題,即圖像底層特征和語(yǔ)義概念之間存在著“語(yǔ)義鴻溝”。為了解決“語(yǔ)義鴻溝”這一難題,

2、本文提出了基于矢量量化和潛在狄利克雷相結(jié)合的模型標(biāo)注方法。首先,介紹了圖像自動(dòng)標(biāo)注和檢索的研究背景和意義,總結(jié)了當(dāng)前各標(biāo)注系統(tǒng)的構(gòu)成及其優(yōu)缺點(diǎn)。近年來(lái),潛在狄利克雷分布(LDA)模型在文本信息檢索領(lǐng)域得到了廣泛的研究和應(yīng)用,許多學(xué)者已經(jīng)證明LDA模型對(duì)于離散數(shù)據(jù)的處理和降維有著顯著的作用。不難看出,圖像信息和文本信息有著驚人的相似性：1、數(shù)據(jù)的海量性和高維性,2、同一類(lèi)圖像中包含的相近的目標(biāo),而同一類(lèi)文檔含有大量相近的單詞。本文詳細(xì)論述

3、了LDA模型的數(shù)學(xué)原理,提出了該模型在圖像數(shù)據(jù)處理和圖像語(yǔ)義檢索中的應(yīng)用方法。為了描述圖像中的有意義區(qū)域,需要對(duì)圖像的目標(biāo)進(jìn)行分割運(yùn)算。本文的在回顧經(jīng)典圖像分割算法的計(jì)算速度和分割效果之后,選擇了分水嶺算法對(duì)圖像進(jìn)行分割,并針對(duì)該算法存在的過(guò)分割問(wèn)題,提出了一種改進(jìn)方法。接著,對(duì)分割后的圖像區(qū)域提取了顏色、紋理和形狀共18維特征,利用矢量量化技術(shù)將這些特征聚類(lèi)壓縮。聚類(lèi)后的區(qū)域特征對(duì)應(yīng)生成“碼書(shū)”中的一個(gè)碼字,壓縮后得到的“碼書(shū)”可以看