[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

说明书

技术领域

本发明涉及图像自动标注领域，更具体地，涉及一种采用多特征融合的图像自动标注方法和系统。

背景技术

互联网和多媒体技术的快速发展，使得现今社会迈入了信息大爆炸时代，各种各样的网络应用和多媒体技术的快速发展得到了广泛的应用。同时，大量的多媒体数据日益成为各种信息的重要载体，其中图像数据日益成为继文本数据之后主要组成部分。图像数据的增多带来了管理和检索问题，如何在海量数据中获取所需的信息一直都是人们致力解决问题。为了解决大量图像数据的管理问题，需要为图像指定所属类别和标注信息，这些文本实际上相当于图像的高层语义信息。这些文本不仅提高了数据管理效率，而且能够推动基于内容的图像检索技术的发展。

因为数据量异常庞大，人工进行图像标注需要的时间和成本太高，如何实现图像的自动标注一直是研究的重点。

发明内容

为解决上述技术问题，本发明从图像的特征表示方面的特征点出发，提出了一种采用多特征融合的图像自动标注方法和系统，从而有效地解决了人工对图像标注带来的时间和成本问题。

本发明提供的技术解决方案：一种采用多特征融合的图像自动标注方法，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。

一种采用多特征融合的图像自动标注系统，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K-Means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：图像自动标注部分采用分层的框架。输入查询图像（同时支持本地文件上传和网络地址图片获取）自动返回该图像的文字标注结果。

该系统初始访问页面提供的功能有图像自动标注，同时支持本地文件上传和网络地址图片获取。该系统的数据管理页面提供数据管理功能，可以执行对数据库图像库的特征提取，建立统计模型。

与现有技术相比，本发明的有效益效果是：本发明提出的图像自动标注框架能够很好的综合多特征类型的优点，提高图像自动标注的准确率。

附图说明

图1为本发明数据存储结构示意图。

图2为本发明类别原型提取流程图。

具体实施方式

下面结合附图对本发明做进一步的描述，但本发明的实施方式并不限于此。

采用多特征融合的图像自动标注的方法是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，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D~(Ii,sl)=D(di,k,dl,k);]]>