多标签类重力密度和距离的图像注释方法

图像注释是一项针对网络图片的语义理解应用,由于图片的基本视觉特征与人类图像识别之间存在着巨大语义鸿沟,为此本文提出一种基于多标签类重力密度和距离的图像注释方法.现有的图像注释数据集多由多个标签组成,然而现有多标签学习算法,有着待定参数过多、精度不高的问题,因而本文通过引入类重力模型的方法,将图片之间的相似度转化成物理学领域里的重力,借助类重力密度与距离公式,选取图片训练集中若干相似度较高的图片,再对其有关标签进行处理,从而找寻图片与图片之间所隐藏的潜在关系,实现对相应标签的注释.通过对比相关经典算法,在三组基准多标签数据集和两组图像数据集上良好的实验结果表明该算法可适用于不同类型的多标签数据集,是一个可筛选出类别相近例子的多标签图形注释算法.

一种新的半自动图像注释方法

手工注释图像是一项费时费力的工作,论文利用SVM,实现了半自动图像注释。首先将图像库分为两部分,手工标注训练图像库中的图像,剩余的图像作为测试图像;然后用SVM对图像进行分类,并将输出结果概率化;最后应用K-NN决策规则,为待注释图像获取关键词。实验结果显示,该方法是有效的。

一种基于期望值最大化和贝叶斯法则的图像注释和检索方法

为了实现自动图像注释和多模态图像检索,提出了一种基于期望值最大化和贝叶斯法则实现的概率模型。将视觉特征和文本词通过一个隐层连接起来,利用图像的不同模式和附带信息之间的协同作用,构成语义概念用于被发现;提出了一种基于期望值最大化的迭代学习过程来确定视觉特征和给定一个隐概念类的词的条件概率;基于所得到的隐概念层和相应的条件概率,采用贝叶斯框架来实现图像到文本和文本到图像的自动注释和检索。实验结果表明,文中提出的基于期望值最大化和贝叶斯法则的概率模型在HR3、CL和SWQP(n)性能上均优于目前先进的基于连续空间关联模型的自动图像注释和检索方案。

基于典型相关子空间与K邻近的图像自动注释算法

本文提出了一种图像自动注释算法.为了建立图像视觉特征和语义特征间的联系,提出利用典型相关方法将这两种特征映射到同一特征子空间,进而得到每一个语义标签的图像子集.针对弱标记问题,提出重新定义每个语义标签的语义空间,将典型相关特征子空间的图像子集与训练集中每个标签原有的图像进行融合,形成更加完善的图像子集.针对图像训练集类别不平衡问题,提出在每个标签的语义空间中利用K邻近算法求得每个标签的语义邻居,使每个标签的图像个数相对平衡.在注释过程中,利用每个语义子集与待注释图像的视觉距离建立贝叶斯概率模型完成注释工作.在基准测试图像库进行对比实验,结果表明,所提出的算法能够有效地完成图像自动注释工作.

基于分类的Web图像内容混合自动注释方法

Web图像不断增加的数量和多样性,使当前图像检索技术面临很大挑战。然而目前图像检索技术还不能满足人们的需要。陈述一种图像内容混合自动注释方法-HIAM,它包含2个工作模块的Web图像检索,其中一个模块是两个级别的图像分类器将图像转换成图像概念的次序;另外一个是图像语义相似处理模块-ISAM,它具备从网页中挑选与图像概念相关的术语作为图像注释。使传统的文本信息检索技术能够用于图像查询的功能。

一种双层情感图像检索模型(英文)

随着信息技术的迅猛发展,情感信息处理已成为21世纪人工智能领域所面临的重要挑战之一。借鉴认知心理学、绘画艺术和服装设计的研究成果,本文提出了一种双层情感图像检索模型。在该模型中,借鉴心理学中的“维量”思想,建立情感空间;同时,抽取图像中较容易引起情感变化的特征作为图像的视觉特征,建立图像的特征空间;另外,本文还提出了情感注释的思想,采用支持向量机的方法建立图像的低层特征空间到用户的高层情感空间之间的映射,自动注释用户未曾评估的图像,实现了图像情感注释,在情感空间进行公共情感检索,快速获得用户情感信息,在此基础上,采用可视化交互式遗传算法实现因人而异的个性化情感检索,该模型应用于风景和服装图像的情感检索,取得了较好的实验结果。

复杂相似性图像检索系统体系结构

研究了一种支持复杂相似性查询的图像检索系统体系结构、提出了处理复杂相似性查询的技术 ,构造出一个高效的图像检索系统 .图像的内容由三种特征来定义 :可量化的可视化信息特征、非量化描述的语义信息特征和包含更抽象语义信息的关键字特征 .用户可以根据上述特征对图像数据库进行各种简单到复杂的查询、利用面向对象的注释描述模型实现图像的高层语义内容索引 。

基于DICOM格式医学图像处理软件的设计与实现

基于DICOM格式序列图像,使用可视化工具包(visualization toolkit)和MFC类库,以面向对象的方法在Visual Studio 6.0环境中开发医学图像处理系统。该软件实现了对DICOM格式序列图像的读取、文件基本信息显示、窗宽窗位的调节、特定区域勾画、注释及三维重建显示功能,为病理诊断提供直观、全面、准确的图像信息。

一种基于光学字符识别技术的超声报告自动化生成方法

目的开发一种基于光学字符识别技术的超声报告自动化生成方法,并分析其临床应用效果。方法对配备触摸屏的超声诊断仪的测量及注释进行规范化处理,建立超声报告模板数据库,编制计算机程序,利用光学字符识别技术识别图像中的字符信息,从而自动化生成超声报告。对比361例超声检查中常规手工编写报告及计算机自动化生成报告所用的时间及工作量(点击次数),分析36例超声检查结果中的字符识别正确率。结果使用光学字符识别技术可有效提取超声图像中的字符,并自动化生成超声报告,且以5个工作日为计算单位,可节省50.9%的超声报告编写时间,减少63.2%的超声报告编写工作量。结论利用光学字符识别技术自动化生成超声报告,可实时编写报告,减少超声医师工作量,提高工作效率,但其在推广应用方面仍存在一定局限,需在适用性、通用性方面继续加大研究。

基于支持向量机的图像情感语义注释和检索算法的研究

图像语义检索是当前图像检索的一个新的研究热点,其中情感语义是最高层的语义,通常用形容词来描述。本文提出了一种新的图像情感语义注释算法,以图像的简单特征来描述图像内容,建立图像的特征空间;用形容词表达图像的情感语义,通过认知心理实验和因子分析建立情感空间;采用支持向量机算法建立图像内容和其所表达的情感语义之间的联系,并自动对未曾评价过的图像进行注释。在此基础上,提出图像的情感检索方法,实现了服装和风景图像的情感检索,取得了较好的实验结果。

一种基于深度学习的轮胎缺陷检测系统

为了提高轮胎缺陷检测的效率与准确率,论文设计了一款轮胎缺陷检测系统。该系统首先将数据库中选择的原始图像进行预处理,在提高图像的对比度之后,对预处理后的轮胎图像进行固定像素大小的切割,将轮胎图像切割为若干张像素大小为1024*1024的图像,论文选用视觉图像注释器对切割后的轮胎图像进行特征标记,标记后的图像以坐标形式呈现,用Mask R-CNN网络对准备好的训练集进行自适应训练,最后通过测试集对训练好的模型进行评测,实验发现轮胎杂物缺陷检测率为96.68%。可以发现,该系统可以有效地检测出轮胎的杂物缺陷,使得轮胎厂家可以节约人工成本,大大缩减轮胎缺陷的检测时间。