图像高层语义和低层视觉特征之间存在的鸿沟,是语义图像检索研究中遇到的一大难题。为了能保证图像语义提取的精度,同时避免降低提取的效率,本项目研究一种基于社会网络的图像语义特征提取与描述方法。项目针对图像语义特征的提取、描述和匹配三个问题进行研究首先,将社会网络引入到图像语义提取过程中,将单个人工需要耗费大量劳动完成的标注工作,交给社会网络上的参与者共同进行,并研究基于社会媒体信息挖掘的语义提取算法,实现社会网络用户交互式的特征提取;其次,基于对象本体技术,设计相应数据结构描述图像语义,并在图像中存储低层特征和语义特征;最后针对新的语义图像数据,设计相应的匹配与检索算法。本项目旨在提出有效、完善的图像语义特征提取和描述方法,为图像语义特征的提取和描述提供新的思路,为语义图像检索提供新的交互式可视化框架,充分利用人类视觉认知机理的优势,提高模式识别的效果。
英文主题词Social Network;Multimedia Semantic;Feature Extraction;Feature Description;Heterogeneous Big Data