| 基于CCA子空间和GMM的自动图像标注 |
| |
| 引用本文： | 郭玉堂,韩昌刚.基于CCA子空间和GMM的自动图像标注[J].计算机工程,2013,39(6). |
| |
| 作者姓名： | 郭玉堂 韩昌刚 |
| |
| 作者单位： | 1. 安徽大学计算机科学与技术学院,合肥230601;合肥师范学院计算机科学与技术系,合肥230061
2. 安徽大学计算机科学与技术学院,合肥,230601 |
| |
| 基金项目： | 安徽省自然科学基金资助项目，安徽省高校自然科学基金资助项目 |
| |
| 摘 要： | 为了避免图像分割,并提高图像标注精度,提出一种基于典型相关分析(CCA)和高斯混合模型(GMM)的自动图像标注方法.利用CCA对图像的全局颜色特征与全局局部二值模式(LBP)纹理特征进行特征融合.使用融合后的语义特征,对每一个关键词建立GMM模型来估计单词类密度,从而在特征子空间中得到每个单词的概率分布.采用贝叶斯分类器确定每个标注词和测试图像的联合概率,运用词间语义关系优化标注结果.实验结果表明,使用该方法后的图像标注性能有了较大程度的改善.
|
| 关 键 词： | 典型相关分析 特征融合 高斯混合模型 类密度 图像标注 子空间 |
Automatic Image Annotation Based on CCA Subspace and GMM |
| |
| GUO Yu-tang
,
HAN Chang-gang.Automatic Image Annotation Based on CCA Subspace and GMM[J].Computer Engineering,2013,39(6). |
| |
| Authors: | GUO Yu-tang HAN Chang-gang |
| |
| Abstract: | |
| |
| Keywords: | Canonical Correlation Analysis(CCA) feature fusion Gaussian Mixture Model(GMM) class density probability image annotation subspace |
| 本文献已被 万方数据 等数据库收录！ |
|
