基于局部颜色空间特征的图像语义概念检测的方法

摘要

一种多媒体信息检测技术领域的基于局部颜色空间特征的图像语义概念检测的方法，本发明中，结合图像处理技术和模式识别技术实现对图像的语义概念检测，采用栅格法提取图像的颜色矩特征，解决了颜色特征缺乏空间信息的问题，利用语义概念层的先验知识修正低层颜色特征，更好地利用与语义密切相关的局部颜色和空间分布信息，去除了特征中的噪声信息，具有特征描述准确、容易提取、计算复杂度低、区分性强的优点，简单而有效地进行了特征降维。将本发明的基于局部颜色-空间特征的图像语义概念检测方法用于基于语义的图像检索时，其性能明显优于其他基于全局颜色、纹理、形状等特征的概念检测方法，能够大大提高图像的检索性能。

主权项

1、一种基于局部颜色空间特征的图像语义概念检测的方法，其特征在于，包括如下步骤：步骤一，通过概念检测接口将待检测的某一语义概念C输入语义概念存储层，获得与该语义概念C相关的语义概念先验知识，语义概念存储层中存储的信息包括：基本语义概念以及其对应的先验知识，先验知识包括定性描述以及用修正因子表示的定量描述；步骤二，根据步骤一获得的语义概念先验知识，对待检测图像集以及训练图像库中的所有图像提取局部颜色-空间特征，采用颜色矩作为基本低层颜色特征描述子，利用栅格法提取颜色-空间特征，再利用语义概念先验知识添加修正因子，最终提取局部颜色-空间特征；步骤三，根据语义概念C，对训练图像库中的所有样本图像进行正确的人工语义标注，即对于训练图像库中的每一幅图像，添加其关于语义概念C的标注信息，“1”表示该图像存在语义概念C，“0”表示该图像不存在语义概念C；步骤四，采用机器学习与模式识别的技术，在训练图像库上训练出概念检测分类器，选择二元支持向量机为基本分类器，将训练图像库分为训练集和校验集两部分，每一部分中的图像都包含标注信息和局部颜色-空间特征信息，在训练集上训练二元支持向量机分类器，并在校验集上进行测试，调整二元支持向量机分类器的参数至测试性能最佳，即平均准确率最高，最终得到的概念检测分类器；步骤五，将待检测图像集的局部颜色-空间特征信息输入概念检测分类器，概念检测分类器输出关于语义概念C的所有待检测图像的检测结果。