基于语义的网络图像标注模型研究

发布时间：2017-07-31 18:04

  本文关键词：基于语义的网络图像标注模型研究

  更多相关文章： 图像聚类 语义组织 互补语义 关联语义链网络

【摘要】：面对浩如烟海且纷繁复杂的网络多媒体资源,尤其是应用广泛和快速增长的图像资源,人们迫切需要从这些海量网络信息中快速、有效的选择自己感兴趣的知识(图像和文本),并且快速完成知识的识别与理解。因此,如何对这些大规模网络图像资源的语义内容进行有效的表达和组织,使网络用户快速和准确的理解图像的高层语义;并基于图像的语义内容对其进行有效的组织,以利于高效的知识发现已成为网络智能信息领域的一个研究热点。通常情况下,人们获取知识的方式是基于领域/事件的,而如今单个领域/事件的图像资源的规模已经十分庞大,而且还在快速增长。因此本文首先提出了一种面向领域/事件的图像资源高层语义的组织和表达模型,以对图像资源的语义内容进行完整和分层的组织;其次,基于图像资源的互补语义和细节语义关键词,提出了图像资源之间关联权重的计算算法,我们旨在建立图像资源的关联语义链网络,从而辅助网络用户快速的完成知识的识别与理解。本文的具体研究内容如下:1.面向领域/事件的图像资源初始语义表达模型图像资源的初始化语义表示是建立图像资源多层语义标注模型的重要步骤,是图像聚类的基础,好的图像初始化语义表示模型可以提高图像聚类的准确性。本文中,我们首先讨论了4种应用广泛的文本表示模型:向量空间表示模型,非负矩阵分解表示模型,关联语义链网络表示模型和幂级数表示模型;然后在此基础上提出了图像的初始语义表示模型,并在模型中强调了网络事件中时间和地点关键词对图像聚类的重要性;最后对图像表示模型的优缺点进行了分析。2.面向领域/事件的图像语义多层次标注模型目前网络用户获得图像资源的主要方式是搜索引擎,而且在用户搜索图像资源时,图像资源周围一般会有简短的描述信息,它们可能是几个离散的关键词,或者是一段文字描述。图像资源的高层语义信息是非常丰富的,这些图像标注信息无法完成图像资源语义信息的完整描述。本文提出了一种图像资源高层语义的分层组织和表达模型,旨在完成图像高层语义内容的完整、分层和多粒度表达。3.基于互补语义的图像资源关联本文在图像多层语义表达模型的基础上,提出了基于图像互补语义和细节语义的图像关联权重计算方法、用以计算图像资源之间的关联程度,旨在建立图像资源之间的关联语义链网络,辅助网络用户浏览图像资源。
【关键词】：图像聚类 语义组织 互补语义 关联语义链网络
【学位授予单位】：上海大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要6-8
• ABSTRACT8-14
• 第一章 绪论14-24
• 1.1 课题研究的目的和意义14-16
• 1.2 国内外研究概况16-22
• 1.2.1 图像检索技术国外研究概况16-19
• 1.2.2 语义网国外研究概况19-22
• 1.3 论文的主要研究内容22-24
• 第二章 图像资源的多层语义表示模型24-37
• 2.1 引言24-26
• 2.2 多层语义模型框架26
• 2.3 多层语义模型各层组织26-32
• 2.3.1 背景语义层27-29
• 2.3.2 互补语义层29-30
• 2.3.3 细节语义层30-31
• 2.3.4 面向领域/事件的图像资源三层语义表示模型31-32
• 2.4 TLALN模型的构建步骤32-34
• 2.5 TLALN模型中关键词的提取34-36
• 2.6 本章小结36-37
• 第三章 图像资源初始语义表示模型37-51
• 3.1 基于VSM的图像表示模型37-41
• 3.1.1 VSM的应用37-38
• 3.1.2 基于VSM的图像表示38-39
• 3.1.3 PVSM的构造39-40
• 3.1.4 PVSM的优缺点40-41
• 3.2 基于NMF的图像表示模型41-43
• 3.2.1 NMF及其应用41-42
• 3.2.2 基于NMF的图像表示42
• 3.2.3 NMF表示模型的构造42-43
• 3.2.4 NMF表示模型的优缺点43
• 3.3 基于ALN的图像表示模型43-47
• 3.3.1 关联规则的提取43-45
• 3.3.2 图像关联语义链网络表示模型45-46
• 3.3.3 PALN模型的构造46-47
• 3.3.4 PALN模型的优缺点47
• 3.4 基于PSR的图像表示模型47-50
• 3.4.1 文本PSR表示模型47-48
• 3.4.2 基于PSR图像表示48-49
• 3.4.3 PPSR的构造49-50
• 3.4.4 PPSR的优点50
• 3.5 本章小结50-51
• 第四章 图像的三层语义标注模型51-62
• 4.1 背景语义层51-54
• 4.1.1 多篇文本关联规则的提取52-53
• 4.1.2 背景语义网络的建立53-54
• 4.2 互补语义层54-56
• 4.2.1 初始关键词集55-56
• 4.2.2 互补语义网络的建立56
• 4.3 细节语义层56-59
• 4.3.1 关联规则提取57-58
• 4.3.2 细节语义的建立58-59
• 4.4 三层语义标注的建立59-61
• 4.4.1 初始三层标注网络的建立59
• 4.4.2 核心三层语义标注的建立59-60
• 4.4.3 三层语义标注的完全网络60-61
• 4.5 本章小结61-62
• 第五章 基于互补语义的图像关联62-71
• 5.1 图像的互补语义分析62-63
• 5.2 二分图的最优匹配算法63-67
• 5.2.1 二分图的定义64
• 5.2.2 二分图的匹配64-66
• 5.2.3 二分图的最优匹配66-67
• 5.3 基于互补语义的图像资源关联的构建步骤67-70
• 5.3.1 初始化阶段68
• 5.3.2 优化阶段68-69
• 5.3.3 计算阶段69-70
• 5.4 本章小结70-71
• 第六章 实验71-82
• 6.1 系统构建及实验环境71-72
• 6.2 新闻聚类72-76
• 6.2.1 实验数据72-73
• 6.2.2 评价标准73-74
• 6.2.3 实验结果74-76
• 6.3 图像的三层语义标注实验76-79
• 6.3.1 类关键词关联语义链网络76-77
• 6.3.2 背景语义标注77
• 6.3.3 互补语义标注和细节语义标注77-79
• 6.4 基于互补语义的图像关联79-81
• 6.5 本章小结81-82
• 第七章 结论与展望82-85
• 7.1 结论82-83
• 7.2 展望83-85
• 参考文献85-91
• 作者在攻读硕士学位期间公开发表的论文91-92
• 作者在攻读硕士学位期间所作的项目92-93
• 致谢93

【参考文献】

中国期刊全文数据库 前1条

1 文庭孝;刘晓英;刘进军;;知识关联的理论基础研究[J];图书馆;2010年04期

中国硕士学位论文全文数据库 前1条

1 尤金朋;基于语义分析的文本相似度算法研究[D];杭州电子科技大学;2013年

，

本文编号：600407