导读:本文包含了语义风景图像检索论文开题报告文献综述及选题提纲参考文献，主要关键词:风景图像检索,语义鸿沟,特征映射,本体
语义风景图像检索论文文献综述
胡敬,武港山[1]（2009）在《基于语义特征的风景图像检索》一文中研究指出提出了一种基于本体的风景图像检索算法,利用风景图像的领域知识,通过特征映射,得到图像的高维语义特征。本文首先利用了一种无监督的图像分割算法将图像分成多个区域。其次提取区域的颜色,纹理,空间位置特征,经过特征映射,得到区域的高维语义特征。利用高维语义特征,返回相关的查询图像,并利用低层的图像特征得到精确的相似度排序。本文通过建立图像区域的本体,得到图像区域的语义特征,减少语义鸿沟,得到用户满意度检索效果。(本文来源于《2009年研究生学术交流会通信与信息技术论文集》期刊2009-09-01）
谢文兰[2]（2009）在《基于BP神经网络的语义风景图像检索技术的研究》一文中研究指出随着科学技术和因特网的发展,以及多媒体的推广应用,海量的各种类型的信息正在全球被快速的采集、传输和应用。20世纪90年代,出现了基于内容的图像检索(CBIR)。它可以直接从图像信息源中获得视觉内容特征,如颜色、纹理、形状等来判断图像之间的相似性。然而,这些图像低层信息反映的只是图像的一些客观统计特性,并不能真正被人们理解。在许多的检索识别中,人们主要是根据图像的关键字来判断图像是否符合自己的需要,其关键词可能是蓝天、落日或其它,而不是图像的低层视觉特征,这些图像的关键字即是图像的高层语义知识。可见,语义检索更能满足用户的需要且有着极其广阔的应用前景。如何解决图像低层视觉特征和高层语义特征存在的“语义鸿沟”已成为语义图像检索问题的关键。本文通过建立一个多输出的BP神经网络,提取图像的底层特征作为网络的输入,用语义期望值作为网络的输出,并用改进的BP算法来训练该网络。训练完成后,该网络能够对风景图像进行多种语义分类检索,从而建立起了从底层特征到语义特征之间的映射。实现了图像的语义算法。本文主要工作包括:(1)风景图像具有比较鲜明的颜色特征,通过学习和分析RGB和HSV的颜色空间模型,提出了一种非均匀量化算法,对自然界的八种主要颜色进行聚类,并选取合适的纹理和形状特征。(2)对图像进行分割,通过在分割区域上提取图像的底层特征向量,再利用BP神经网络建立低层视觉特征和高层语义特征之间的映射,填补了图像检索中的语义鸿沟。并就如何选取隐层节点和构造训练样本集做了分析,使网络具有更好的学习能力。(3)如何选取图像的语义阈值是一个重点也是一个难点,通过实验发现,当阈值的选取范围在[0.55,0.65]时,检索的查全率和准确率能达到一个比较好的平衡效果。最后检索结果证明了该方法对风景图像检索的有效性及先进性。(本文来源于《湘潭大学》期刊2009-05-15）
王小玲,刘念祖,谢康林[3]（2008）在《基于语义的风景图像检索》一文中研究指出基于语义的图像检索就是要对图像正确分类,提供对图像内容的理解。基于粗糙集方法对基于语义的风景图像检索进行研究,突破了传统语义模板方法缺乏变化的不足,对图像外观变化具有一定的抗噪能力。仿真实验结果表明,对日出日落、瀑布、山脉、花草4类风景图像的分类准确率达到85%以上。(本文来源于《计算机工程与设计》期刊2008年16期）
语义风景图像检索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着科学技术和因特网的发展,以及多媒体的推广应用,海量的各种类型的信息正在全球被快速的采集、传输和应用。20世纪90年代,出现了基于内容的图像检索(CBIR)。它可以直接从图像信息源中获得视觉内容特征,如颜色、纹理、形状等来判断图像之间的相似性。然而,这些图像低层信息反映的只是图像的一些客观统计特性,并不能真正被人们理解。在许多的检索识别中,人们主要是根据图像的关键字来判断图像是否符合自己的需要,其关键词可能是蓝天、落日或其它,而不是图像的低层视觉特征,这些图像的关键字即是图像的高层语义知识。可见,语义检索更能满足用户的需要且有着极其广阔的应用前景。如何解决图像低层视觉特征和高层语义特征存在的“语义鸿沟”已成为语义图像检索问题的关键。本文通过建立一个多输出的BP神经网络,提取图像的底层特征作为网络的输入,用语义期望值作为网络的输出,并用改进的BP算法来训练该网络。训练完成后,该网络能够对风景图像进行多种语义分类检索,从而建立起了从底层特征到语义特征之间的映射。实现了图像的语义算法。本文主要工作包括:(1)风景图像具有比较鲜明的颜色特征,通过学习和分析RGB和HSV的颜色空间模型,提出了一种非均匀量化算法,对自然界的八种主要颜色进行聚类,并选取合适的纹理和形状特征。(2)对图像进行分割,通过在分割区域上提取图像的底层特征向量,再利用BP神经网络建立低层视觉特征和高层语义特征之间的映射,填补了图像检索中的语义鸿沟。并就如何选取隐层节点和构造训练样本集做了分析,使网络具有更好的学习能力。(3)如何选取图像的语义阈值是一个重点也是一个难点,通过实验发现,当阈值的选取范围在[0.55,0.65]时,检索的查全率和准确率能达到一个比较好的平衡效果。最后检索结果证明了该方法对风景图像检索的有效性及先进性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义风景图像检索论文参考文献
[1].胡敬,武港山.基于语义特征的风景图像检索[C].2009年研究生学术交流会通信与信息技术论文集.2009
[2].谢文兰.基于BP神经网络的语义风景图像检索技术的研究[D].湘潭大学.2009
[3].王小玲,刘念祖,谢康林.基于语义的风景图像检索[J].计算机工程与设计.2008