[發明專利]一種基于云計算的手機圖像標注方法

有效

• 申請號: 201310455285.3
• 申請日: 2013-09-29
• 公開（公告）號: CN103489003A
• 公開（公告）日: 2014-01-01
• 發明（設計）人: 金連文;陶大鵬;黎小鳳
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;H04M1/725
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 蔡茂略

技術領域

本發明涉及一種模式識別與人工智能技術領域中的圖像標注方法，特別涉及一種基于云計算的手機圖像標注方法。

背景技術

帶有數字攝像頭的智能手機越來越流行，很容易產生大量的個人數字圖像。雖然，在智能手機中流行利用時間和目錄對圖像進行管理，但是這使得在語義層面進行有效圖片搜索非常不方便。因此，基于語義關鍵詞進行圖像標注的系統有利于個人照片管理。圖像標注的目標是對每張圖片分配幾個關鍵詞。這個是在圖像處理、計算機視覺以及多媒體領域中的一個基礎的研究問題。一般來說，它通過以下幾個步驟來實現：對于給定一個訓練集，我們首先提取能代表這些圖像的視覺特征；然后，基于這些圖像的一系列模型被訓練出來用于后面的標注，每個模型對應于相應的特定關鍵詞（或者概念）。然而，目前直接在手機上進行圖像的自動標注存在以下問題：1）帶標簽的樣本能有效改善圖像標注模型的性能。然而，想要獲得大量的帶標注樣本是很難的。2）移動終端計算資源非常有限，不可能對一個新獲得的圖像進行實時標注。除此以外，因為移動終端的小儲存量，用戶并不能獲得大量的圖像來構造一個可靠的學習模型。因此，尋找另外一個可行的方法來進行移動終端上的圖像標注是非常必要的。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種基于云計算的手機圖像標注方法，該方法解決了手機進行圖像自動標注的以下兩個關鍵問題：1）模型訓練中需要大量人工標注樣本，而人工標注樣本存在費時費力的情況；2）手機計算和存儲資源非常有限。

本發明的目的通過下述技術方案實現：一種基于云計算的手機圖像標注方法，具體實現方式：

1）在云端存儲數量為l帶標注的圖像特征集其中標注為y_i∈{+1,-1}，和數量為u無標注的圖像特征集2）在云端訓練海森正則化支持向量機；3）利用壓縮感知技術對移動圖像進行壓縮，并將壓縮后的圖像傳輸到云上；4）在云上利用壓縮感知技術對壓縮的圖像進行解碼；5）通過訓練出來的海森正則化支持向量機進行圖像標注；6）將標注的結果返回到移動終端設備。

所述基于云計算的手機圖像標注方法中海森正則化支持向量機算法具體實現：

1)假設有標注樣本(x,y)∈Rⁿ×{±1}分布為P，無標注樣本的分布是P的邊緣分布P_X。如果邊緣分布P_X與條件分布P(y|x)相關，則P_X會有助于學習。這里基于假設相似的圖像對x_i和x_j意味著相似的條件分布對P(y|x_i)和P(y|x_j)。

2)利用海森正則化構造局部幾何信息具體步驟如下：

步驟a：對應第j個無標注樣本x_j，找到其最近的k個近鄰樣本，組成鄰域N_p，從中取出x_j后對該鄰域進行中心化。此舉將使得x_j成為切向空間的原點。

步驟b：用p點的鄰域N_p的相應的d個最大的特征值所對應的特征向量U來評價切向空間正交坐標系。該步驟可以通過在上進行特征值分解來實現，其中x_i是鄰域N_p中的第i個樣本。

步驟c：用施密特正交化去除矩陣H^j=[1,u₁…u_m,u₁u₁…u_du_d]中的d+1維零空間，得到矩陣其Frobenius范數可以由獲得。

步驟d：對所以圖像的進行累加，然后獲得海森正則化f^THf。

3)二分類的海森正則化支持向量機目標函數為