一种基于贝叶斯网络的视频静态语义探测新方法

传统的基于内容的视频检索是利用图像的颜色、纹理以及形状等底层特征来对视频进行检索,然而这些底层特征并没有深层次地挖掘出视频的语义内容。在用支持矢量机对图像进行分类的基础上,提出了一种基于贝叶斯网络的对视频静态语义如室内/室外进行探测的新方法,实验结果验证该方法的有效性。     

基于高层语义的视频检索研究

视频语义检索的研究是目前研究的热点之一。现有的视频检索系统技术多是基于底层特征的、非语义层次的检索。与人类思维中所能理解的高层语义概念相去甚远,这严重影响视频检索的实际效果。如何跨越底层特征和高层语义的鸿沟,用高层语义概念进行视频检索是当前研究的重点。通过对视频内容的语义理解、语义分析、语义提取的简要概述,试图构造一种视频语义检索模型。     

综合语义和轮廓特征的图像检索技术研究

针对基于内容的图像检索系统的检索效率和精度的不足,提出了综合语义和轮廓特征的图像检索方法.以拐点作为控制点对图像的轮廓进行精确分段,利用边界跟踪法对图像进行轮廓特征提取,并以图像的语义和底层的轮廓特征作为图像检索的综合指标,将图像的主观语义和底层特征融合起来,提高了图像底层特征和高层语义之间的联系.通过对不同类型的图像进行检索,实验结果证明该算法对复杂图像检索的效率高、精度高,并具有稳定的检索性能.因此,具有很好的发展趋势.     

基于内容的图像情感语义检索研究

基于内容的图像检索是使用图像的底层视觉特征对图像进行检索,使检索结果在视觉角度上尽可能相似。但能否通过图像的底层特征来准确体现人对图像的视觉感知(即图像的情感语义)有待于进一步的探索。首先构建检索性能较好的基于内容的图像检索系统,并针对分类标准不同的两类图像库进行多次实验。实验证明,图像的情感语义无法通过单一的图像底层特征描述。     

一种图像底层视觉特征到高层语义的映射方法

基于语义内容的图像检索已经成为解决图像底层特征与人类高层语义之间“语义鸿沟”的关键。根据图像语义检索的思想,提出了一种采用支持向量机(Support Machine Vector)实现图像底层视觉特征到高层语义的映射方法,并在此基础上针对特例库实现了图像的语义标注和检索。实验结果表明,该映射方法能较好地表达人的语义,以提高图像的检索效率。     

一种结合语义特征和视觉特征的图像检索方法

为了解决传统的CBIR系统中存在的"语义鸿沟"问题,提出一种结合语义特征和视觉特征的图像检索方法.将图像的语义特征和视觉特征数据结合到同一个索引向量中,进行基于内容的图像检索.系统使用潜在语义索引(LSI)技术提取图像的语义特征,提取颜色直方图作为图像的视觉特征.通过将图像底层视觉特征与图像在向量空间中的语义统计特征相...     

基于内容的图像检索的发展最新趋势

基于内容的图像检索目前主要集中于底层特征的相似度匹配的研究,文中阐述了基于内容的图像检索发展的最新趋势:基于语义内容的图像检索和语义的描述方法。文章首先提出了语义层次化的基于内容检索的系统框架,然后介绍了图像高层语义的处理方法,最后展望了基于MPEG-7的统一规范的图像语义的描述方法。     

基于语义的新闻视频检索研究

通过研究基于注释的视频检索和和基于内容的视频检索的优缺点以及认知学关于人对视频相似性的理解特征，对新一代基于语义的视频检索进行了探索。以视频数据的一个大类——新闻视频为研究对象，采用层次处理思想和综合利用新闻视频各组成媒质的内容特征及其所表达的丰富语义，设计实现了一个基于语义的新闻视频检索原型系统。实验表明该系统自动化程度高、语义客观、检索灵活。     

语义视频检索综述

视频内容检索是多媒体应用的一个活跃研究方向，现有的内容检索技术大多是基于低层次特征的。这些非语义的低层特征难以理解，与人思维中的高层语义概念相差甚远，严重影响视频内容检索系统的易用性。低层特征和高层语义概念间的语义鸿沟很难逾越。如何跨越语义鸿沟，用语义概念检索视频内容是目前基于内容视频检索最具挑战性的研究方向。本文介绍语义视频检索出现的背景，分析语义鸿沟出现的原因，对现有尝试跨越语义鸿沟的主要方法进行综述；评述了相关技术的优缺点，探讨了各方法将来可能的研究发展方向以及视频语义检索近期、长期可能的技术突破点。     

一种新的基于本体论描述的内容图像检索模型

分析了基于内容的图像检索中存在的问题,利用本体论方法建立图像底层特征本体及特定类图像本体.同时,定义了图像描述因子并建立相应的图像组合规则.最后,利用图像的底层特征进行图像检索,结合多分类支持向量机,实现图像底层特征与高层描述信息的关联,进而实现了图像语义检索,缩小了"语义鸿沟"对基于内容的图像检索的影响.实验结果表明本模型能够提高基于内容的图像检索的准确率,同时,经过3～5次反馈,可以实现语义检索功能.     

语义视频检索的现状和研究进展

概述了图像的可视化特征如颜色、纹理、形状和运动信息,时空关系分析,以及多特征目标提取和相似度量度;分析了视频语义的提取,语义查询、检索;探讨了视频语义检索的性能评估,存在的问题和发展方向。     

基于SVM的图像低层特征与高层语义的关联

在基于内容的图像检索中，针对图像的低层可视特征与高层语义特征之间的鸿沟，提出了一种基于支持向量机（SVM）的语义关联方法。通过对图像低层特征的分析，提取了颜色和形状特征向量（221维），将它们作为支持向量机的输入向量，对图像类进行学习，建立图像低层特征与高层语义的关联，并应用于鸟类、花卉、海洋以及建筑物等几个典型的语义类别检索。实验结果表明，该方法可适应于不同用户的图像检索，并提高了检索性能。     

一种新型图像检索语义网络构建方法

自学习语义网络是目前实现图像高级语义的有效方法。针对现有方法存在的不足,提出了一种用于图像检索的新型语义网络构建方法,此方法将低层特征、相关反馈和语义网络这三项技术结合来支持图像检索。实验证明该方法可以对系统的检索效率有一定的提高。     

Retrieval of movie scenes by semantic matrix and automatic feature weight update

A new semantic-based video scene retrieval method is proposed in this paper. Twelve low-level features extracted from a video clip are represented in a genetic chromosome and target videos that user has in mind are retrieved by the interactive genetic algorithm through the feedback iteration. In this procedure, high-level semantic relevance between retrieved videos is accumulated with so-called semantic relevance matrix and semantic frequency matrix for each iteration, and they are combined with an automatic feature weight update scheme to retrieve more target videos at the next iteration. Experiments over 300 movie scene clips extracted from latest well-known movies, showed an user satisfaction of 0.71 at the fourth iteration for eight queries such as “gloominess”, “happiness”, “quietness”, “action”, “conversation”, “explosion”, “war”, and “car chase”.     

A survey of content-based image retrieval with high-level semantics

In order to improve the retrieval accuracy of content-based image retrieval systems, research focus has been shifted from designing sophisticated low-level feature extraction algorithms to reducing the ‘semantic gap’ between the visual features and the richness of human semantics. This paper attempts to provide a comprehensive survey of the recent technical achievements in high-level semantic-based image retrieval. Major recent publications are included in this survey covering different aspects of the research in this area, including low-level image feature extraction, similarity measurement, and deriving high-level semantic features. We identify five major categories of the state-of-the-art techniques in narrowing down the ‘semantic gap’: (1) using object ontology to define high-level concepts; (2) using machine learning methods to associate low-level features with query concepts; (3) using relevance feedback to learn users’ intention; (4) generating semantic template to support high-level image retrieval; (5) fusing the evidences from HTML text and the visual content of images for WWW image retrieval. In addition, some other related issues such as image test bed and retrieval performance evaluation are also discussed. Finally, based on existing technology and the demand from real-world applications, a few promising future research directions are suggested.     

State-of-the-art on spatio-temporal information-based video retrieval

Video retrieval is increasingly based on image content. A number of studies on video retrieval have used low-level pixel content related to statistical moments, shape, colour and texture. However, it is well recognised that such information is not enough for uniquely discriminating across different multimedia content. The use of semantic information, especially which derived from spatio-temporal analysis is of great value in multimedia annotation, archiving and retrieval. In this review paper, we detail how the use of spatiotemporal semantic knowledge is changing the way in which modern research the conducted. In this paper we review a number of studies and concepts related to such analysis, and draw important conclusions on where future research is headed.     

基于本体的教育资源库的研究与设计

目前,我国的教育资源建设在共享性、重用性、资源检索查全率和查准率等问题上依然存在某些不足,为了解决当前检索系统中同义词难以识别、相关查找困难等问题,把本体引入到教育资源建设中,并提出了基于本体的语义检索系统的体系结构,该系统旨在实现对领域内资源的语义分析,赋予检索系统足够的语义信息。研究的重点是资源的元数据描述、领域本体的构建及语义查询,而这也是进行语义检索的理论基础。