图像语义自动标注及其粒度分析方法

缩小图像低层视觉特征与高层语义之间的鸿沟,以提高图像语义自动标注的精度,进而快速满足用户检索图像的需求,一直是图像语义自动标注研究的关键.粒度分析方法是一种层次的、重要的数据分析方法,为复杂问题的求解提供了新的思路.图像理解与分析的粒度不同,图像语义标注的精度则不同,检索的效率及准确度也就不同.本文对目前图像语义自动标注模型的方法进行综述和分析,阐述了粒度分析方法的思想、模型及其在图像语义标注过程中的应用,探索了以粒度分析为基础的图像语义自动标注方法并给出进一步的研究方向.

一个基于语义上下文建模的图像自动标注系统

图像语义自动标注技术的研究在多媒体数据管理领域具有十分重要的理论与应用意义.本演示介绍了一个基于多马尔可夫随机场的图像语义自动标注方法(multiple Markovr andom field,MMRF)的图像语义自动标注与训练系统.通过交互式的图像语义标注模型的训练与标注演示,充分展示了MMRF技术的标注性能,并帮助观众更好地了解图像语义自动标注的机理和系统实现过程.

甲状腺超声半自动语义标注软件的可重复性评估

目的:为实现计算机辅助诊断下的甲状腺结节超声图像自动识别,本课题组研发了多特征甲状腺超声图像半自动语文标注软件工具,以完成大样本甲状腺超声图像的高质量人工标注。本研究以探讨超声医生应用甲状腺超声图像标注工具的重复性。方法:随机选取我院2013年甲状腺结节图像50例,分别由2名超声医生独立利用标注软件工具进行甲状腺超声图像识别;2名超声医生独立通过直观超声图像进行超声图像识别;1名超声医生分别利用标注软件工具、直观超声图像进行随机图像识别,并分别利用κ值进行观察者一致性分析。结果:本研究中,2名超声医生分别应用标注软件工具对各项超声特征及超声分级的观察者差异κ值为:边缘/边界0.94,形态0.94,回声0.63,内部结构0.87,钙化0.89,2015版美国甲状腺协会(American Thyroid Association,ATA)指南危险分层0.84(P<0.01);2名超声医生通过直观超声图像的观察者差异κ值如下:边缘/边界0.75,形态0.80,回声0.53,内部结构0.62,钙化1.00,ATA危险分层0.42(P<0.01)。1名医生分别利用图像标注系统、直观超声图像的观察者差异κ值为:边缘/边界1.00,形态1.00,回声1.00,内部结构0.88,钙化1.00,ATA危险分层0.96(P<0.01)。结论:多特征甲状腺超声图像半自动语义标注软件工具为甲状腺结节超声诊断的标准化提供方法,为其细粒度智能识别研究提供高质量的训练和验证数据集。