[发明专利]面向图像语义标注的规则库结构优化与生成方法及系统

摘要

本发明公开了一种面向图像语义标注的规则库结构优化与生成方法及系统，其中方法主要包括以下步骤通过前馈神经网络去除噪声样本，得到初始训练样本集；得到经过特征选择后的起点训练样本集以及终点样本子集；将起点样本集到终点样本子集的每条路径转换为一条标注规则，从起点样本集到终点样本子集的所有路径构成的规则集就是规则库。本发明可实现图像的语义标注，使用户能够从海量图像中快速、有效地找到感兴趣的图像资源。

主权项

一种面向图像语义标注的规则库结构优化与生成方法，其特征在于，包括以下步骤：利用图像分割算法对给定的原始训练样本集中的每幅图像进行分割，每个分割子区域均由低层视觉特征表示，并定义每个分割子区域的语义概念，对分割子区域进行聚类，对不同类别的分割子区域的语义概念进行合并，得到具有新的语义概念的所有类别的分割子区域集合，将其作为待过滤训练样本集；通过前馈神经网络对待过滤训练样本集进行分类，删除分类错误的样本，将剩余分类正确的样本作为初始训练样本集；将每个初始训练样本用向量表示成粒子的位置，构成粒子群；按照量子粒子群优化方法优化粒子群，并输出粒子的最优位置，对输出粒子的每一维的值与阈值比较，小于阈值的取为0，大于等于阈值的取为1，与1对应的特征集合为所选择的特征子集，得到经过特征选择后的起点训练样本集；按照起点训练样本集自身的特性选择分裂特征，用分裂特征分割起点训练样本集，得到若干训练样本子集，对分割后的每个训练样本子集，递归地获得它的分裂特征，并再次用分裂特征分割起点训练样本子集，直到所有训练样本子集的元素属于相同类为止，得到终点样本子集；将起点训练样本集到终点样本子集的每条路径转换为一条标注规则，从起点训练样本集到终点样本子集的所有路径构成的规则集就是规则库。