基于模糊关联规则和决策树的图像自动标注

摘要：

传统的基于关联规则算法的图像自动标注存在“锐利边界”问题，使分类存在模糊性、不准确性。且随着多媒体技术的飞速发展，图像信息数据迅速增长，海量的图像数据会形成大量冗余的关联规则，这将导致分类效率大大降低。针对这2个问题，文中提出基于模糊关联规则和决策树的图像自动标注模型。该模型首先获得关联训练图像低层特征和高层语义的模糊关联规则，再利用决策树方法删减冗余的模糊关联规则，基于决策树删减后的模糊关联规则，大大减小了算法的计算复杂度。实验在Corel 5k和IAPR-TC12两个基准数据集上进行，并从精度、召回率、F-measure以及产生的规则数量几个度量措施上进行比较。与其他几种前沿的图像自动标注方法的结果对比表明，该方法在图像的标注精度和标注效率上有很大的提高。

关键词：锐利边界、模糊分类、图像自动标注、模糊关联规则、决策树

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61165009，61262005，61363035，61365009；国家973计划资助项目2012CB326403；广西自然科学基金资助项目2012GXNSFAA053219，2013GXNSFAA019345，2014GXNSFAA118368．

在线出版日期：2015-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：636-644