基于本体的图像自动标注

提出一种新的图像本体标注的框架,结合领域本体中概念的关系,通过层次概率标注来获得图像高层语义概念的标注,实现待标注图像语义的自动标注。我们将图像的语义可以定义为属性概念和高层抽象概念,采用二次标注方法实现对于图像语义的自动标注。实验证明,本文的方法可以使图像获得丰富的高层抽象语义概念标注,从而缩小"语义鸿沟",有效提高了检索的效率和精确度。     

基于个性化本体的图像语义标注和检索

针对目前图像检索系统较难实现语义检索的问题,提出了一种新的以本体为核心的图像语义标注和检索模型。构建个性化本体描述图像语义,继而提取基于概念集的图像语义特征并利用本体中“Is-A”关系设计相似性度量方法最终实现语义扩展检索。其难点在于顶级本体向个性化本体进化,以及基于概念集和“Is-A”关系实现语义相似度量的方法。通过系统的初步实现与相关实验的验证,该模型的检索准确度可达88.6%,明显高于传统的基于关键字和基于通用本体的图像检索,实现了图像智能检索功能。     

图像自动语义标注技术综述

近年来,随着对基于内容图像检索技术研究的深入,图像自动语义标注已成为了该领域的研究热点。针对目前广泛研究的图像语义标注技术,从其分类、关键技术、存在问题及发展方向进行了进行了论述,以期为从事该方向研究的人员提供一定的借鉴意义和参考价值。     

基于本体的图像语义标注与检索模型

存储于计算机上日益庞大的数字图像存在语义表达隐含、存储孤立、检索不便等缺点,导致图像应用效率低。该文提出基于本体的图像语义标注与检索模型ImageQ,其具有层次及模块化特点且与领域本体相独立,支持领域本体进化和系列推理深度不同的图像检索方法。基于ImageQ的实验系统运行结果表明,该模型的图像管理性能良好,实现了图像智能检索功能。     

一种基于本体与描述文本的网络图像语义标注方法

网络图像语义自动标注是实现对互联网中海量图像管理和检索的有效途径,而自动有效地挖掘图像语义是实现自动语义标注的关键。网络图像的语义蕴含于图像自身,但更多的在于对图像语义起不同作用的各种描述文本,而且随着图像和描述知识的变化,描述文本所描述的图像语义也随之变化。提出了一种基于领域本体和不同描述文本语义权重的自适应学习的语义自动标注方法,该方法从图像的文本特征出发考查它们对图像语义的影响,先通过本体进行有效的语义快速发现与语义扩展,再利用一种加权回归模型对图像语义在其不同类型描述文本上的分布进行自适应的建模,进而实现对网络图像的语义标注。在真实的Wcb数据环境中进行的实验中,该方法的有效性得到了验证。     

结合相关反馈日志与语义网络的图像标注

连接高层语义和低层视觉特征的图像语义标注技术能够很好地表示图像的语义,提出并实现了一种结合相关反馈日志与语义网络的图像标注方法。该方法以收集的用户相关反馈日志为基础获得图像的语义信息,通过计算图像间的语义相似度进行语义聚类并采用语义传播的方式实现图像的语义标注。实验结果表明,随着相关反馈日志库的不断扩充,图像库中越来越多的图像会在反馈的过程中得到标注且标注的准确率会随着反馈次数的增加而趋于稳定。     

Web服务自动语义标注的本体定位方法研究

面向服务架构中,分布式网络计算的实现依赖于服务交互问题的有效解决。为此,服务接口必须采用机器可理解的方式描述,从而为服务的动态发现和组合提供底层支持。服务语义标注技术满足了上述需求,它是指通过共享域本体中机器可理解的元数据表示服务元素。本文将服务语义标注过程分解为域标注和概念标注两个阶段,重点针对域标注注问题,并提出了一种基于机器学习的域标注算法,对实际服务的标注实验验证了该算法的有效性     

图像语义标注中的叙词查询方法*

为了在图像语义标注领域能更好地反映标注之间的关系,通过对已标注图像的标注进行分析来建立标 注之间的关系,并在此基础上将叙词查询的概念引入到图像语义标注中并提出了基于叙词查询的图像语义标注 方法,把语义标注问题统一在叙词查询与图像的语义关系相结合在统一的框架下,最后通过在Ｃｏｒｅｌ图像数据库中的验证表明,所提出的方法是有效的并且标注率得到了明显的提高。     

基于图像分割的语义标注方法

为有效解决图像检索中存在的“语义鸿沟”问题,提出了一种新的语义标注方法。该方法以图像分割为基础,在训练阶段构建图像字典,通过对图像单元颜色、纹理、小波轮廓的分析和描述形成一种结合小波轮廓比对和概率统计的二阶段标注模型,模型针对不同类别的图像分阶段采用相应的标注方法。经实验,应用该模型进行图像检索查全率和查准率都有明显提高,其中查准率最高可提升23.6%,证明该方法更接近人对图像内容的理解,具有良好的标注效果和检索性能。     

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.     

基于本体的BML命令语义标注方法

作战管理语言（Battle Management Language,BML）是一种无歧义的语言规范,用于解决指控和仿真系统间的互操作问题。针对BML命令缺乏语义信息,难以被计算机理解和自动处理的问题,分析了BML的五视图体系结构,引入了BNF形式化语法,并在此基础上提出了一种语义标注方法,对命令中的对象、时间和地理位置等要素进行标注,然后整合各要素来表达整条命令的语义,系统通过解析标注文档可以实现对命令的无歧义理解,最后给出实例予以说明。论文为表达BML命令的语义提出了一种借鉴思路。     

基于本体的网格服务语义匹配方法

针对目前网格系统中,将名字作为关键字对服务进行查找存在的不准确、不灵活的缺陷,提出了一种网格服务的语义匹配方法,在该方法中,用OWL-S对网格服务进行语义上的描述,用UDDI来进行服务的注册和发现,用一个语义服务库存储虚拟组织中所有发布的网格服务功能的语义信息,这个语义服务库对每个领域的服务用树的形式进行组织。通过建立领域本体库为服务功能语义上的匹配提供知识支持。对方法进行了可行性分析。     

一种面向图象语义的主要区域提取方法

图象主要区域的提取是图象语义抽取及其应用的基础 .为了更好地进行图象语义的抽取 ,提出了一种面向图象语义的图象主要区域自动提取方法 .该方法首先将图象划分成固定大小的子块 ,并通过对子块特征进行聚类来获得图象的初始区域分割 ;而后 ,经过一系列的后处理来优化分割结果 ,并实现前景和背景区分 ;最后通过分析每个背景区域的重要程度 ,去除掉不相关的背景区域 .通过对包含有显著对象的户外图象进行的实验表明 :该方法不仅可以去除图象中 ,大量与图象语义不相关的内容 ,而且能保留图象的主要信息 ,这就为进一步的图象语义应用打好了基础 .     

一种基于语义网络的图像检索方法

当前基于内容的图像检索主要采用底层特征检索技术,如颜色、形状和空间分析。然而无法表达图像的高层语义信息,造成了检索结果的不精确。结合低层特征,提出一种基于关键字语义网络的图像检索方法。通过语义网络的不断完善,检索的精确度也将随之提高。     

一个面向语义服务发现的QoS本体

随着网络上服务数量的急剧增长,用户使用服务有了更多的选择。服务的QoS属性是用户实施服务选择的一个重要准则。为了实现支持QoS的语义服务匹配和服务选择,本文对语义QoS规范进行了深入研究,并根据QoS和应用的相关性提出了一种分层的QoS语义模型。该模型使得服务提供者可以基于SLA在不同的场景下为用户提供不同层次的QoS保障。在此模型基础上,本文对支持QoS的语义服务匹配与服务选择算法进行了详细讨论。此外,还给出了一个基于QoS本体的服务发现框架。     

使用本体标注构建SCORM本体模型的方法

针对SCORM学习对象模型语义缺失的问题,结合语义Web本体标注的技术,提出一种使用语义标注实现SCORM模型本体化的方法。该方法从SCORM规范中提取语义信息构建SCORM本体模型,以公理的方式形式化表示了SCORM的语义信息和语义约束。并以此为基础在现有SCORM学习资源中扩展语义标注信息,使SCORM学习资源中的元素和属性映射到SCORM本体的类和属性,使用SCORM本体模型为学习资源提供语义约束和知识推理。该方法遵照SCORM语法、语义,以及扩展思想,将SCORM信息模型映射为SCORM知识模型,把SCORM学习对象的使用提高到知识重用和知识互操作的层面。     

一种基于本体的图像检索方法

提出一种基于本体的图像检索方法。该方法结合特定领域专家知识和对象例图,采用视觉对象本体来描述图像内特定对象的视觉特征,从而构建该领域包含视觉描述的知识库。在检索过程中,利用知识库内的对象的视觉本体描述和目标图像库内的图像低层特征相匹配执行图像检索任务,从而实现在高层次语义上的图像检索。实验结果表明了该方法的有效性和可行性,并在一定程度上缩小了视觉低层特征同图像高层语义的鸿沟。     

一种改进的本体概念语义相似度计算方法

本文分析了几种概念相似度的运算方法,对概念相似度计算模型进行了改进,该计算模型在计算初始主流概念相似度的基础上,不仅引入了深度、密度因子,还考虑了有向边类型权重因子在计算相似度中所起的作用,完善了计算方法。通过试验结果可以看出,该方法对概念相似度的计算更准确地体现出了概念间的相似程度。     

一种改进的本体概念语义相似度计算方法

本文分析了几种概念相似度的运算方法,对概念相似度计算模型进行了改进,该计算模型在计算初始主流概念相似度的基础上,不仅引入了深度、密度因子,还考虑了有向边类型权重因子在计算相似度中所起的作用,完善了计算方法。通过试验结果可以看出,该方法对概念相似度的计算更准确地体现出了概念间的相似程度。