结合SML与本体的图像语义自动标注方法  

A Method Combined SML and Ontology for Image Semantic Auto-annotation

作　　者：欧阳军林[1] 夏利民[2] 文杏梓[1] 

机构地区：[1]湖南科技大学计算机科学与工程学院,湖南湘潭411201 [2]中南大学信息科学与工程学院,长沙410075

出　　处：《小型微型计算机系统》2012年第9期2109-2112,共4页Journal of Chinese Computer Systems

基　　金：国家自然科学基金重大项目(79816101)资助

摘　　要：图像语义自动标注成为基于内容的图像检索研究的热点,提出一种改进的SML两级图像语义自动标注方法.首先采用监督多类标注方法 SML对图像进行粗略标注,然后用基于本体的最优语义标注方法(Oostia)对粗略标注的结果进行精细标注,Oostia方法通过4种不同方式对粗略标注关键字进行扩展,充分挖掘图像中丰富的语义信息.文中提出的方法与其它相关方法进行了比较,实验结果表明,该方法优于其它方法.Semantic auto-annotation of Image becomes research focus in image retrieval Based on content. The two step semantic auto- annotation of image method is proposed. Firstly, a supervised multi-class labeling method （SML） is adopted to coarse annotation for image, then a optimal semantic tag annotation based on Ontology method （Oostia） is employed to fine annotate. There are four ways to extend coarse annotation result in the Oostia method, which can fully mine ample semantic information in images. The proposed method is compared to others, Experiments result show that the proposed method outperforms others.

关 键 词：SML 本体 语义标注 图像检索 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]