基于CCA子空间和GMM的自动图像标注

• 作者: 郭玉堂 韩昌刚
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 图形图像处理
• 页码范围: 277-282
• 页数: 6页
• 分类号: TP391.41
• 字数: 6266字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.06.061

摘要

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭玉堂	安徽大学计算机科学与技术学院	12	59	5.0	7.0
5	韩昌刚	安徽大学计算机科学与技术学院	2	9	2.0	2.0