為了降低圖像高層語義與低層視覺特征之間的語義差異,本文以對象描述模型為基礎(chǔ),提出利用機器轉(zhuǎn)換模型獲取圖像高層語義的方法。本方法首先利用圖像分割技術(shù)對圖像進行分割,然后利用機器學(xué)習(xí)的方法,得到訓(xùn)練樣本集中高層語義與分割后低層視覺特征之間的先驗概率關(guān)系 在查詢的過程中,利用得到的先驗概率模型計算與高層語義所對應(yīng)的最大概率視覺低層特征,最后利用該低層特征進行檢索,達(dá)到縮短高層語義與低層特征之間的語義差異的目的。在一個擁有5000 幅圖像的圖像庫上所做的測試結(jié)果表明了該方法的有效性和可行性,同時該方法也為解決圖像高層語義與視覺低層特征之間語義的矛盾開擴了思路。
標(biāo)簽：
圖像
分割技術(shù)
分割
視覺特征
上傳時間：
2014-01-04
上傳用戶：comua
