[发明专利]一种采用多特征融合的图像自动标注方法和系统

权利要求书

1.一种采用多特征融合的图像自动标注方法，其特征在于，使用多种特征类型来表示图像内容，引入多特征表示的特征签名，结合K-Means聚类算法得到基于多特征融合的图像语义统计模型，用于对图像自动标注。 

2.根据权利要求1所述的采用多特征融合的图像自动标注方法，其特征在于，使用K-Means算法来提取每一个类别的原型，聚类过程中使用的距离度量是图像特征向量之间的相似度，具体流程： 

1）选择一个特征类别k，根据总和距离最大的准则将n张图像初始化分为m子集S={s₁,s₂,...,s_m}，m<=n；子集中心为μ_l=(d_l,1,d_l,2,...,d_l,D)，l=1，2，…，m，其中d_i,j表示图像的特征向量； 

2）选择图像I_i，i=1，2，…，n，分别计算与各子集中心的距离 

如果将图像加入到对应的子集并重新计算中心，其中T₁为新建中心阈值；否则创建新的子集并设置I_i为中心； 

计算所有子集两两之间的距离D(s_l,s_r)=D(d_l,k,d_r,k)，如果D(s_l,s_r)<T₂，其中T₂为合并中心阈值，则合并； 

3）如果还有图像还未分类，则执行2）；如果还有特征类别未遍历，则执行1）。 

3.根据权利要求2所述的采用多特征融合的图像自动标注方法，其特征在于，所述图像自动标注采用分层的框架，图像自动标注部分的标注步骤包括： 

第一步：提取图像特征，构造图像特征签名； 

第二步：第一层分类器处理，每一个分类器代表了一个类别的统计模型，计算输入的图像特征签名与按照特征类型分类的所有模型之间的相似度； 

第三步：将所有分类器输出结果汇总到顶层分类器，这个分类器将根据所有类别的相似度大小算出相似度最高的k种类别，这k种类别对应的关键词就是图像自动标注的结果。 

4.一种采用多特征融合的图像自动标注系统，其特征在于，使用多特征融合的图像自动标注方法，对图像自动标注，系统采用BS架构，系统框架包括统计模型构建部分和图像自动标注部分，其中： 

统计模型构建部分：所有的训练图像按照类别进行划分，通过特征提取模块提取所有图像的特征向量组成特征签名，对每一个类别的数据进行聚类运算得到原型并且进行相应的参数估计，这些原型和参数构成了各个类别的统计模型； 

图像自动标注部分：输入查询图像，自动返回该图像的文字标注结果。 

5.根据权利要求4所述的采用多特征融合的图像自动标注系统，其特征在于，统计模型构建部分包括数据库管理模块、特征提取模块、K-means聚类模块、参数估计模块、统计建模模块，其中： 

数据库管理模块：系统使用Lucene进行数据引索，所有的图像特征签名使用文件分片进行存取； 

特征提取模块：系统使用多个特征向量组成图像的特征签名； 

K-means聚类模块：基于特征类型的K-means聚类算法； 

参数估计模块：包括两种类型参数：原型的先验概率和特征类型的相关权重； 

统计建模模块：综合了K-means聚类模块和参数估计模块的结果，并利用所有的结果构建每一个类别的统计模型，这个统计模型可以应用于表示该类别图像的语义特征。 

6.根据权利要求5所述的采用多特征融合的图像自动标注系统，其特征在于，所述参数估计模块是每一个原型的先验概率是直接计算该原型包含的成员数量在所有该类别的训练样本中占的比例；特征权重代表某一个特征类型对某一类别图像的重要程度，特征类型的相关权重是通过使用测试样本对模型进行试验，取其标注的准确率，再通过计算得到所有的特征权重。