[發明專利]一種基于決策樹學習的自動圖像標注與翻譯的方法

無效

• 申請號: 200910060241.4
• 申請日: 2009-08-04
• 公開（公告）號: CN101620615A
• 公開（公告）日: 2010-01-06
• 發明（設計）人: 侯進;張登勝
• 申請（專利權）人: 西南交通大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N1/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及數字圖像檢索技術以及機器學習技術領域，尤其涉及 一種基于決策樹學習的自動圖像標注與翻譯的方法。

背景技術

早期，人們是通過手工標注的方式來實現圖像檢索的，但這項工 作耗時又費力，尤其面對大規模的網絡圖像時，顯然它已經無法勝任。 因此，如何快速、有效地實現對圖像的自動語義標注，變得十分有必 要。

自動圖像標注是一個通過計算機系統以說明文字或關鍵字的形 式，給一幅數字圖像自動分配元數據的過程。這種計算機視覺應用技 術用在圖像檢索中，來組織和查找到數據庫中用戶感興趣的圖像。這 種方法被稱之為一種多類圖像分類法，該分類法含有大量的類，它們 和一個詞匯表一樣大。其中最典型的就是圖像分析，它是以提取特征 向量和訓練標注文字的形式應用于機器學習技術中，企圖自動地為新 圖像加以標注。這種方法首先要學習圖像特征和訓練標注之間的相互 關系，然后開發使用機器翻譯來試著翻譯帶有“可視化內容”的文本 詞匯表。

和傳統的基于內容的圖像檢索CBIR(Content-based?Image Retrieval)相比，自動圖像標注的優點在于用戶可以更自然地設定實 現查詢。自動圖像標注的一個方向是采用分類方法，每一個語義概念 被當作一個類別進行分類。代表方法有：支持向量機(Support?Vector Machine，簡稱SVM)方法，貝葉斯點機方法等等。這種方法當語義 概念相當多時會遇到困難。自動圖像標注的另一個方向是建立圖像和 語義概念的統計概率模型。Duygulu等人提出的翻譯模型(Translation Modal，簡稱TM)，利用傳統的語言統計翻譯模型將語義概念翻譯為 blobs(區域聚類)。Jeon等人介紹了一種交叉媒體相關模型 (Cross-media?Relevance?Modal，簡稱CMRM)，將圖像標注問題看 作跨語言檢索問題，模型通過計算blobs和語義概念的聯合概率進行 圖像標注，獲得了比較好的效果。但是這類概率的方法對語義和圖像 特征的利用比較粗糙，兩者的結合不是很緊密。而且這類方法對圖像 區域聚類結果的好壞比較敏感。自動圖像標注方法是圖像檢索發展的 一個新方向，也是熱門方向，同樣提出自動圖像標注方法的有發明專 利公開號CN1920820A的發明，該發明考慮的是圖像區域子快的重 要性和訓練集中文本的重要性次序，由此來解決詞頻畸形分布的問 題，而標注后的訓練集是否具有可擴展性并未有涉及。

發明內容

鑒于現有技術的以上不足，本發明考慮的目的是研究一種基于決 策樹學習的自動圖像標注與翻譯的方法，使標注后的訓練集具有可擴 展性及魯棒性，來解決訓練圖像數據庫不適應另一個未訓練的圖像數 據庫的問題以及數據庫不完整和有噪聲數據的問題。本發明的目的是 通過如下的手段實現的。

一種基于決策樹(Decision?Tree，簡稱DT)學習的自動圖像標注 與翻譯的方法，以提取特征向量和訓練標注文字的形式使機器完成學 習后自動地為新圖像加以標注，使用機器翻譯帶有可視化內容的文本 詞匯表而實現圖像資料的機器檢索；包括訓練標注圖像集和圖像自動 標注兩部分，其中

(1)所述訓練標注圖像集包括如下步驟：

a)利用圖像分割算法對訓練圖像集分割成子塊區域，提取每個 子塊區域的底層視覺特征；將這些特征數據離散化，然后將訓練標注 圖像集基于底層特征離散值利用聚類算法進行分類，并構造出語義詞 典；

b)將所述底層特征離散值作為DT學習的輸入屬性，利用DT機 器學習法對已構造的詞典，對應預先設定的語義概念進行自我訓練學 習，生成決策樹并獲取相應的決策規則；

(2)所述圖像自動標注包括如下步驟：

a)對于圖像自動標注，將待標注的圖像通過相同的分割算法得 到多個區域；

b)對每個區域進行特征提取、特征值離散化，得到每個區域的特 征屬性值；

c)根據訓練過程中生成的決策規則，將上一步得到的屬性值帶入 到規則中測試，得到對應的語義概念，這個語義概念就作為該待標注 圖像的標注詞。