[發明專利]基于數據圖譜、信息圖譜和知識圖譜的圖像信息目標識別增強方法

有效

• 申請號: 201810037199.3
• 申請日: 2018-01-15
• 公開（公告）號: CN108228868B
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 段玉聰;何詩情;宋正陽;靖蓉琦;姜懿芮
• 申請（專利權）人: 海南大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06N5/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明是一種基于數據圖譜、信息圖譜和知識圖譜的圖像信息目標識別增強方法，屬于分布式計算和軟件工程學技術交叉領域。該方法的目的是使機器自動智能的進行圖像識別，找到圖像中無法直接觀察到的信息。本發明建立了數據圖譜、信息圖譜、知識圖譜架構，首先將識別圖像中可以觀察到的圖像與數據圖譜結合，實現圖像分類，然后將圖像中顯示的交互關系與信息圖譜結合，找到并列關系，最后在知識圖譜中的路徑上經過知識推理找到隱藏信息，實現信息識別。

技術領域

本發明是一種基基于數據圖譜、信息圖譜和知識圖譜的圖像信息目標識別增強方法。主要用于機器自動智能的識別出圖片中無法直接觀察到的信息。屬于分布式計算和軟件工程學技術交叉領域。

背景技術

知識圖譜已經成為用標記的有向圖形式表示知識的強大工具，并給出文本信息的語義。知識圖譜是通過將每個項目、實體或用戶做結點表示，并且通過邊緣將彼此相互作用的那些結點鏈接起來構造的圖形。結點之間的邊可以表示任意關系。與UML類相比，知識圖譜具有更豐富的自然語義，表達機制更接近與自然語言，蘊含更多更完整的語義信息。現在很少使用UML來建模自動化應用程序，其中一個原因是UML缺乏正式的需要對應用程序的關鍵部分進行建模的語義，借助本發明提出的基于數據圖譜、信息圖譜和知識圖譜的三層結構關系框架，進行圖像信息識別。本發明主要是通過借助數據圖譜、信息圖譜、知識圖譜的架構去正確的識別出盡可能多的未被標識過的對象。

發明內容

技術問題：本發明的目的主要是引入數據圖譜、信息圖譜、知識圖譜架構使機器自動智能的進行圖像信息識別，從分析圖像中的已知信息出發，與構建好的三層圖譜相結合，最后找到圖像中無法直接觀察到的信息。

技術方案：本發明是一種策略性方法，可以應用于圖片或者攝像機的圖像信息目標識別。該方法的目的是使機器自動智能的進行圖像識別，找到圖像中無法直接觀察到的信息。本發明建立了數據圖譜、信息圖譜、知識圖譜架構，首先將識別圖像中可以觀察到的圖像與數據圖譜結合，實現圖像分類，然后將圖像中顯示的交互關系與信息圖譜結合，找到并列關系，最后在知識圖譜中的路徑上經過知識推理找到隱藏信息，實現信息識別。

體系結構：本專利建立了一種基于數據圖譜、信息圖譜、知識圖譜的架構。本發明建立了數據圖譜、信息圖譜、知識圖譜架構，首先將識別圖像中可以觀察到的圖像與數據圖譜結合，實現圖像分類，然后將圖像中顯示的交互關系與信息圖譜結合，找到并列關系，最后在知識圖譜中的路徑上經過知識推理找到隱藏信息，實現信息識別。

下面給出構建數據圖譜、信息圖譜、知識圖譜的具體說明:

數據圖譜：數據圖譜能記錄圖像實體中的基本屬性，包括顏色形態等，但是在沒有上下文語境的情況下，它們本身沒有意義。數據圖譜可以用數組、鏈表、隊列、樹、棧、圖等數據結構來表達。數據圖譜也可以記錄圖像實體中所包含結構出現的頻度，包括結構、時間和空間三個層次的頻度。數據圖譜能描述不同圖像實體關聯的緊密程度，我們稱之為密度，可以反映出哪些實體聯系緊密，哪些實體聯系稀疏。但是數據圖譜只能進行靜態分析，無法表達實體之間的交互關系。同時數據圖譜上也未對數據的準確性進行分析，可能出現不同的實體但表示同一含義，例如番茄和西紅柿，這兩種圖像實體所具有的屬性頻度都是相同的，這就產生了數據冗余。

信息圖譜：信息是通過數據和數據組合之后的上下文來傳達的，經過概念映射和相關關系組合之后的適合分析和解釋的信息。信息圖譜可以根據關系數據庫來表達。信息圖譜上進行數據清洗，消除冗余數據。信息圖譜可以記錄實體之間的直接交互關系。

知識圖譜：知識圖譜根據數據圖譜和信息圖譜進一步完善了實體之間的語義關系，形成由大量交互關系連接起來的語義網絡，同時可以通過信息推理和實體鏈接提高知識圖譜的邊密度和結點密度，知識圖譜的無結構特性使得自身可以無縫鏈接。信息推理需要有相關規則的支持，通過推理得到的新關系的正確度Cr可以由公式1得出。實體1和實體2之間的新關系可以表示為，z表示所有關系，表示新關系權重，表示實體1和實體2之間的一個關系，當正確度超過一個閾值是認為該關系成立：