本文關(guān)鍵詞：基于結(jié)構(gòu)化信息的圖像內(nèi)容分析與理解，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著社會(huì)媒體的興起,海量的多媒體數(shù)據(jù)在互聯(lián)網(wǎng)上涌現(xiàn)。多媒體數(shù)據(jù)的快速增長給海量媒體數(shù)據(jù)的分析、理解和檢索帶來了巨大挑戰(zhàn)。挖掘媒體數(shù)據(jù)內(nèi)部蘊(yùn)含的豐富結(jié)構(gòu)信息將有助于揭示數(shù)據(jù)與數(shù)據(jù)間的相互關(guān)系,從而幫助我們更好的處理海量媒體數(shù)據(jù),從容應(yīng)對這一挑戰(zhàn)。在本論文中,我們將進(jìn)一步對基于結(jié)構(gòu)化信息的圖像內(nèi)容分析和理解技術(shù)進(jìn)行深入研究。為此,我們擬從高中低三個(gè)層次入手,圍繞圖像分析和理解中的四個(gè)關(guān)鍵問題:場景中的目標(biāo)檢測、目標(biāo)物體的聚類、目標(biāo)物體的語義預(yù)測與理解、以及基于目標(biāo)物體的圖像檢索和加密來開展工作。我們將首先挖掘高層語義間的結(jié)構(gòu)化信息,主要是指通過挖掘物體的類別、屬性等高層語義信息間存在的特定結(jié)構(gòu)來解決圖像檢索,物體檢測等問題。其次是挖掘中層圖像間的結(jié)構(gòu)化信息,主要是指探索多張非相關(guān)圖像間內(nèi)容上的耦合關(guān)系,以期獲得更好的圖像加密算法。最后是挖掘低層特征間的結(jié)構(gòu)化信息,主要是指在區(qū)域標(biāo)注,顯著性檢測等問題中加入圖像特征間的結(jié)構(gòu)化先驗(yàn)信息來提升相關(guān)算法的性能。具體而言,本論文的研究內(nèi)容和創(chuàng)新點(diǎn)包括:1)在挖掘高層語義結(jié)構(gòu)化信息方面,包括三個(gè)工作。第一個(gè)工作我們把圖像中物體的超類、類別、以及屬性信息以分層樹形結(jié)構(gòu)來組織,構(gòu)造一個(gè)樹形結(jié)構(gòu)的語義單元,并提出了基于結(jié)構(gòu)化支持向量機(jī)的預(yù)測模型,從而對未知物體的語義信息進(jìn)行結(jié)構(gòu)化的預(yù)測輸出,該工作解決了現(xiàn)存語義預(yù)測模型信息單一問題,有助于進(jìn)一步彌補(bǔ)圖像檢索中的語義鴻溝現(xiàn)象。在此基礎(chǔ)上,第二個(gè)工作在多個(gè)樹形結(jié)構(gòu)語義單元之間加入了物體間的空間信息,從而構(gòu)造一個(gè)帶葉子的三角形結(jié)構(gòu)來對圖像進(jìn)行描述,并用此結(jié)構(gòu)解決結(jié)構(gòu)化圖像檢索問題。該工作豐富了當(dāng)前圖像檢索的輸入形式,有助于進(jìn)一步實(shí)現(xiàn)用戶的檢索意圖。第三個(gè)工作我們提出了一種基于物體類別、位置、尺度信息的高階上下文描述符,該描述符通過融合多個(gè)上下文源以及物體間的高階關(guān)系來判斷物體檢測算法輸出的候選物體是否符合圖片的上下文信息,從而濾除錯(cuò)誤檢測,保留正確檢測。該描述符首次把多源上下文信息和高階關(guān)系統(tǒng)一到一個(gè)理論框架中,有效提升了物體檢測的正確率。2)在挖掘中層圖像結(jié)構(gòu)化信息方面,我們認(rèn)為任意兩張或多張不相關(guān)圖像間存在耦合關(guān)系,并且是可以相互轉(zhuǎn)換的。為此,我們提出了一種基于耦合字典學(xué)習(xí)和壓縮感知技術(shù)的圖像重建算法。該算法在保證圖像質(zhì)量的前提下先對兩張或多張不相關(guān)圖像進(jìn)行編碼,之后給定任意一張編碼圖像,可對另外一張圖像進(jìn)行重建。該算法可用于解決圖像加密問題,與傳統(tǒng)的加密算法相比,我們提出的解決方法不需要在封面圖像中嵌入任何數(shù)據(jù),可大大提高傳輸過程中秘密數(shù)據(jù)的安全性。3)在挖掘低層特征結(jié)構(gòu)化信息方面,也同樣包括三個(gè)工作。第一個(gè)工作使用張量表示人臉圖像,并提出了基于張量分析的魯棒人臉聚類算法。與傳統(tǒng)使用向量表示法相比,張量可以很好的保留人臉圖像中的結(jié)構(gòu)化信息。此外,該工作可有效濾除人臉圖像中存在的各種噪聲,相比傳統(tǒng)人臉聚類算法更加的魯棒。在第二個(gè)工作中,我們挖掘區(qū)域標(biāo)注過程中特征點(diǎn)、區(qū)域、圖像之間存在的樹形結(jié)構(gòu)關(guān)系,并融合此樹形關(guān)系進(jìn)結(jié)構(gòu)化稀疏表示理論框架中,有效的提升了區(qū)域標(biāo)注算法的準(zhǔn)確率。第三個(gè)工作我們挖掘顯著性檢測過程中圖像間的結(jié)構(gòu)化信息,并結(jié)合D-S證據(jù)理論提出了結(jié)構(gòu)化的顯著性檢測算法。所提算法簡單,有效,不需要訓(xùn)練過程。可作為后處理步驟提升現(xiàn)有顯著性檢測算法的性能。在以上這些工作中,基于結(jié)構(gòu)化信息的顯著性區(qū)域檢測算法和基于多源信息的高階上下文描述符用于解決場景中的目標(biāo)檢測問題;基于張量分析的魯棒人臉聚類算法用于解決目標(biāo)物體的聚類問題;基于結(jié)構(gòu)化信息的語義標(biāo)注和基于樹形結(jié)構(gòu)的增廣圖像描述算法用于解決目標(biāo)物體的語義預(yù)測與理解問題;結(jié)構(gòu)化的圖像檢索和有意義的圖像加密算法則用于解決基于目標(biāo)物體的圖像檢索和加密問題。
【關(guān)鍵詞】：結(jié)構(gòu)化學(xué)習(xí)與預(yù)測 樹形結(jié)構(gòu) 圖像加密 圖像檢索 顯著性檢測 高層語義 雙字典學(xué)習(xí) 壓縮感知 張量分析 人臉聚類
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-21
• 1.1 研究背景與意義11-15
• 1.1.1 研究背景11-14
• 1.1.2 研究意義14-15
• 1.2 本文的主要研究內(nèi)容與貢獻(xiàn)15-18
• 1.3 本文的結(jié)構(gòu)18-21
• 第二章 高層語義間結(jié)構(gòu)化信息研究21-51
• 2.1 基于結(jié)構(gòu)化預(yù)測輸出的增廣圖像描述21-32
• 2.1.1 相關(guān)工作22-23
• 2.1.2 結(jié)構(gòu)化輸出預(yù)測模型23-27
• 2.1.3 實(shí)驗(yàn)結(jié)果及分析27-31
• 2.1.4 小結(jié)31-32
• 2.2 基于興趣區(qū)域的結(jié)構(gòu)化圖像檢索方法32-39
• 2.2.1 結(jié)構(gòu)化圖像檢索框架32-35
• 2.2.2 實(shí)驗(yàn)結(jié)果及分析35-39
• 2.2.3 小結(jié)39
• 2.3 基于語義、空間和尺度信息的高階上下文描述符39-50
• 2.3.1 相關(guān)工作39-40
• 2.3.2 高階上下文描述符40-44
• 2.3.3 基于高階上下文描述符的物體檢測44-46
• 2.3.4 實(shí)驗(yàn)結(jié)果及分析46-49
• 2.3.5 小結(jié)49-50
• 2.4 本章小結(jié)50-51
• 第三章 中層圖像間結(jié)構(gòu)化信息研究51-67
• 3.1 一種無嵌入的新穎圖像加密算法51-63
• 3.1.1 相關(guān)工作52
• 3.1.2 無嵌入圖像加密系統(tǒng)52-56
• 3.1.3 實(shí)驗(yàn)結(jié)果及分析56-63
• 3.1.4 小結(jié)63
• 3.2 本章小結(jié)63-67
• 第四章 低層特征間結(jié)構(gòu)化信息研究67-93
• 4.1 基于D-S證據(jù)理論的結(jié)構(gòu)化顯著性區(qū)域檢測算法67-73
• 4.1.1 預(yù)備知識(shí)68-69
• 4.1.2 顯著性融合69-71
• 4.1.3 實(shí)驗(yàn)結(jié)果及分析71-73
• 4.1.4 小結(jié)73
• 4.2 基于張量分解的魯棒人臉聚類算法73-84
• 4.2.1 相關(guān)工作74-75
• 4.2.2 人臉聚類框架75-76
• 4.2.3 求解算法76-79
• 4.2.4 實(shí)驗(yàn)結(jié)果及分析79-83
• 4.2.5 小結(jié)83-84
• 4.3 基于分層結(jié)構(gòu)的統(tǒng)一字典學(xué)習(xí)和區(qū)域標(biāo)注算法84-91
• 4.3.1 相關(guān)工作84-85
• 4.3.2 預(yù)備知識(shí)85-87
• 4.3.3 所提區(qū)域標(biāo)注框架87-89
• 4.3.4 實(shí)驗(yàn)結(jié)果及分析89-91
• 4.3.5 小結(jié)91
• 4.4 本章小結(jié)91-93
• 第五章 總結(jié)與展望93-95
• 5.1 總結(jié)93-94
• 5.2 展望94-95
• 參考文獻(xiàn)95-109
• 發(fā)表論文和參加科研情況說明109-111
• 致謝111-112

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李濤;李延增;孫偉;趙鋼;;產(chǎn)品結(jié)構(gòu)化信息樹版本管理方法的研究與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2010年10期

2 張潔;肖宏;;針對大型規(guī)劃型文獻(xiàn)的結(jié)構(gòu)化信息分析方法及其應(yīng)用——以癌癥控制規(guī)劃為例[J];圖書情報(bào)工作;2008年05期

3 李秋花;王影;;SOA標(biāo)準(zhǔn)與應(yīng)用——“SOA標(biāo)準(zhǔn)化國際論壇”報(bào)道[J];信息技術(shù)與標(biāo)準(zhǔn)化;2008年12期

4 趙靖;王僑文;管馬周;單傳佳;;自動(dòng)提取布局結(jié)構(gòu)相似網(wǎng)頁的結(jié)構(gòu)化信息[J];安徽科技學(xué)院學(xué)報(bào);2010年06期

5 涂新輝;張紅春;周琨峰;何婷婷;;中文維基百科的結(jié)構(gòu)化信息抽取及詞語相關(guān)度計(jì)算方法[J];中文信息學(xué)報(bào);2012年03期

6 高英;郭荷清;鄒智敏;;提取半結(jié)構(gòu)化信息源中對象間精確語義相似性的方法研究[J];計(jì)算機(jī)科學(xué);2006年09期

7 李海鷹,周輝,解光軍,李動(dòng)恒,莊鎮(zhèn)泉;基于EC-MAS的半結(jié)構(gòu)化信息處理模式研究[J];計(jì)算機(jī)工程;2001年12期

8 郭文宏;范學(xué)峰;;面向Web結(jié)構(gòu)化信息處理的漢語知識(shí)庫構(gòu)建研究[J];計(jì)算機(jī)科學(xué);2009年01期

9 邵X;楊春磊;錢立賓;方帥;;基于模式匹配的結(jié)構(gòu)化信息抽取[J];模式識(shí)別與人工智能;2014年08期

10 黃奇,李偉,接曉莉;網(wǎng)絡(luò)半結(jié)構(gòu)化信息資源的描述[J];圖書情報(bào)工作;2002年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 曹瑋祺;梁華瑞;朱雷;李涓子;王克宏;;基于半結(jié)構(gòu)化信息模型的信息檢索[A];第六屆全國計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

2 張紅春;何婷婷;涂新輝;周琨峰;;中文維基百科的結(jié)構(gòu)化信息抽取及詞語相關(guān)度計(jì)算[A];中國計(jì)算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

中國重要報(bào)紙全文數(shù)據(jù)庫 前3條

1 中國社會(huì)科學(xué)院財(cái)經(jīng)院 院計(jì)算機(jī)網(wǎng)絡(luò)中心 荊林波 甄宇鵬;應(yīng)對大數(shù)據(jù)時(shí)代的挑戰(zhàn)[N];中國交通報(bào);2013年

2 衛(wèi)人;不要讓大數(shù)據(jù)因浮躁而走向歧途[N];中國經(jīng)濟(jì)導(dǎo)報(bào);2013年

3 王克宏;基于XML的Web服務(wù)技術(shù)——強(qiáng)強(qiáng)聯(lián)合鑄造未來[N];計(jì)算機(jī)世界;2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 韋星星;基于結(jié)構(gòu)化信息的圖像內(nèi)容分析與理解[D];天津大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 張紅春;中文維基百科的結(jié)構(gòu)化信息抽取及詞語相關(guān)度計(jì)算[D];華中師范大學(xué);2011年

2 季成暉;基于半結(jié)構(gòu)化信息的產(chǎn)品推薦系統(tǒng)[D];北京郵電大學(xué);2013年

3 楊春磊;基于模式匹配的結(jié)構(gòu)化信息抽取研究[D];合肥工業(yè)大學(xué);2013年

4 王石;基于XML的Web挖掘[D];東北師范大學(xué);2005年

5 趙天宇;微博輿情分析中的網(wǎng)頁結(jié)構(gòu)化信息抽取技術(shù)研究[D];北京郵電大學(xué);2014年

6 岳國偉;基于本體的Web頁面結(jié)構(gòu)化信息抽取[D];山東科技大學(xué);2007年

7 張紅蕾;基于結(jié)構(gòu)化信息的人體運(yùn)動(dòng)識(shí)別[D];西安電子科技大學(xué);2013年

8 劉兵;蛋白質(zhì)關(guān)系抽取中平面特征和結(jié)構(gòu)化信息的研究[D];蘇州大學(xué);2011年

9 彭成;面向社會(huì)網(wǎng)絡(luò)的人物關(guān)系抽取研究[D];蘇州大學(xué);2013年

  本文關(guān)鍵詞：基于結(jié)構(gòu)化信息的圖像內(nèi)容分析與理解，由筆耕文化傳播整理發(fā)布。

，

本文編號：295612