10.3969/j.issn.1000-3428.2013.06.061
基于CCA子空间和GMM的自动图像标注
为了避免图像分割,并提高图像标注精度,提出一种基于典型相关分析(CCA)和高斯混合模型(GMM)的自动图像标注方法。利用 CCA 对图像的全局颜色特征与全局局部二值模式(LBP)纹理特征进行特征融合。使用融合后的语义特征,对每一个关键词建立 GMM 模型来估计单词类密度,从而在特征子空间中得到每个单词的概率分布。采用贝叶斯分类器确定每个标注词和测试图像的联合概率,运用词间语义关系优化标注结果。实验结果表明,使用该方法后的图像标注性能有了较大程度的改善。
典型相关分析、特征融合、高斯混合模型、类密度、图像标注、子空间
TP391.41(计算技术、计算机技术)
安徽省自然科学基金资助项目11040606M134;安徽省高校自然科学基金资助项目KJ2103A217
2013-10-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
277-282