[發明專利]一種基于貝葉斯網絡和分類器鏈的圖像自動標注方法

有效

• 申請號: 202011493104.2
• 申請日: 2020-12-17
• 公開（公告）號: CN112464010B
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 王振武
• 申請（專利權）人: 中國礦業大學（北京）
• 主分類號: G06F16/58
• 分類號: G06F16/58;G06F16/55
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 王穎

本發明公開一種基于貝葉斯網絡和分類器鏈的圖像自動標注方法，利用改進的BIC評分函數的方法來學習貝葉斯網絡結構，通過DBSCAN算法對標簽進行聚類，并為每個標簽子集學習貝葉斯網絡，通過標簽和特征之間的貝葉斯網絡進行特征選擇并且根據貝葉斯網絡的拓撲順序構建分類器鏈，通過貝葉斯網絡和分類器鏈算法構造圖像預測標簽集本方法能夠對所有類型的圖像進行標注，通用性強；同時，能夠處理包含連續特征和離散特征的圖像，具有良好的適應性，且有效提高了圖像標注的魯棒性和準確性。

技術領域

本發明涉及圖像檢索技術領域，特別是涉及一種基于貝葉斯網絡和分類器鏈的圖像自動標注方法。

背景技術

隨著多媒體、圖像信息等技術的逐步發展，圖像數據庫的規模越來越大，這也使得對視覺信息的管理成為重中之重，而圖像檢索技術則能夠起到視覺信息管理的作用。傳統的手工圖像標注方法不但工作量大，而且不可避免地帶來主觀性和不精確性，讓計算機實現圖像自動標注勢在必行。圖像自動標注是讓計算機自動地給圖像加上能夠反映其內容的語義關鍵詞，自動標注的使用能夠有效地改善目前圖像檢索的困境。貝葉斯網絡算法是一種常見的概率圖模型，充分考慮了所求標簽之間的相關性，分類器鏈算法是一種充分利用標簽之間相關性的模型，因此，如何提供一種基于貝葉斯網絡和分類器鏈的圖像自動標注方法是目前亟待解決的技術問題。

發明內容

本發明的目的是提供一種基于貝葉斯網絡和分類器鏈的圖像自動標注方法，以解決現有技術中存在的技術問題，能夠對所有類型的圖像進行標注，通用性和適應性強，且有效提高了圖像自動標注的魯棒性和準確性。

為實現上述目的，本發明提供了如下方案：本發明提供一種基于貝葉斯網絡和分類器鏈的圖像自動標注方法，包括如下步驟：

步驟S1、獲取樣本圖像，提取樣本圖像的特征構成訓練集和測試集，并獲取樣本圖像的標簽，構建總標簽集；

步驟S2、對訓練集、測試集中樣本圖像的特征進行歸一化處理；

步驟S3、基于總標簽集中的每一個標簽、歸一化處理后的樣本圖像的特征，通過改進的貝葉斯信息準則BIC評分函數的評分搜索方法構建貝葉斯網絡,通過貝葉斯網絡進行特征選擇，得到每一個標簽對應的特征子集；

步驟S4、基于每一個標簽對應的特征子集，采用密度聚類DBSCAN對總標簽集中的標簽進行聚類，生成標簽子集；

步驟S5、基于改進的BIC評分函數的評分搜索方法分別為每個標簽子集構建一個貝葉斯網絡結構；

步驟S6、對于每個標簽子集構建的貝葉斯網絡結構，進行拓撲順序提取，并基于拓撲順序構建分類器鏈；通過訓練集和測試集分別對分類器鏈中的各基分類器進行訓練和測試，得到訓練好的分類器鏈，通過訓練好的分類器鏈對待測圖像進行類別預測，完成圖像的自動標注。

優選地，所述步驟S3中，分別為每個標簽l_q構建一個貝葉斯網絡其中,f_ww為改進的評分函數，為貝葉斯網絡G在數據集下的評分函數值，是指使得最大的貝葉斯網絡；最終得到每個標簽l_q對應的特征子集d＝1，2，…，D_q，D_q為標簽l_q對應的特征子集的特征個數。

優選地，所述步驟S3中，通過爬山法求解使得最大的網絡結構。

優選地，所述步驟S5具體包括：

根據所述步驟S3中的評分函數，在初始貝葉斯網絡中，不斷增加代表標簽的節點；

隨機選取一個標簽作為爬山搜索的起點；

通過加邊、減邊或翻轉，進行貝葉斯網絡結構的構建。

優選地，所述貝葉斯網絡結構的構建過程中，滿足評分函數最大化的條件，得到每個標簽子集對應的貝葉斯網絡結構。