基于本體的圖像語義檢索關鍵技術實現

孫 亮 閻小琦

（蘭州文理學院電子信息工程學院 甘肅蘭州 730000；蘭州金輪實業有限責任公司信息技術部 甘肅蘭州 730000）

基于本體的圖像語義檢索關鍵技術實現

孫 亮 閻小琦

（蘭州文理學院電子信息工程學院 甘肅蘭州 730000；蘭州金輪實業有限責任公司信息技術部 甘肅蘭州 730000）

本文跟隨當前語義網以及本體技術的發展潮流，在研究分析圖像語義檢索技術后，設計出一棵圖像語義資源描述樹作為新的一種圖像語義描述模式，以此構建基于本體的圖像語義檢索模型，提出一個基于支持向量機技術的圖像語義提取標注的改進方法。

本體；語義web；語義模型；SVM

語義Web作為下一代的互聯網，對現有的互聯網進行了語義方面的增強，根本目的就是將Internet上的信息資源附加上計算機可以理解的語義信息從而實現語義層上的資源應用。語義Web由W3C組織提出，同時進一步制定了一個叫做本體 (Ontology)的標準規范說明，它的定義是“應用于語義網上的可分享、可再利用、機器可讀的知識表示法”，進一步用它來做為互聯網上處理信息語義知識的基礎。

一、圖像語義資源描述樹

在本文的研究中將采用由Eakins提出的三層語義模型的概念，在MPEG-7中主要采用了三種工具來描述多媒體語義信息。在MPEG-7多媒體描述模式研究中我們可以發現它十分復雜，用它來進行圖像描述則十分不便，因此我們結合MPEG-7 MDS多媒體描述框架的知識，設計一棵圖像語義資源描述樹作為新一種圖像語義描述模式，具體方法如下：

1.通過抽取關鍵詞匯，構造樹葉刻面這一過程，圖像領域中重要方面都將被進一步確定，這其中包括圖像尺寸，存儲路徑，對象特征信息等。

2.構建出語義資源描述樹，通過對提取出的樹葉刻面進行分類形成圖像資源描述樹的上層刻面。

二、圖像領域本體模型構建

Ontology是概念模型明確的規范化說明，而領域Ontology則是對領域概念化的一個詳細說明。

因此，通過上述分析我們就可以總結出圖像領域本體模型建模方法：

1.在圖像語義資源描述樹中的每個樹葉刻面下加入術語，用于描述該刻面下資源。這將在每個刻面下形成術語庫。在這里所用到的圖像資源描述中，在該刻面的術語庫中包含了所能用到的所有術語。

2.構建刻面、術語之間的關系。Ontology是以關系為中心的，關系很少很弱或者沒有關系的本體不能起到應有作用。通過上一步得到的Ontology還需要加入它們之間存在的其它關系，因為目前它只具有簡單的從屬關系。

三、利用支持向量機理論實現圖像分類與圖像語義標注

1.圖像分類基本步驟

應用SVM對圖像進行分類的步驟：首先要選擇最能區分該類圖像的底層特征在訓練樣例圖像中，然后訓練SVM分類器用這些底層特征作為訓練樣本。對一幅給定的未分類圖像進行分類時，首先提取圖像的底層特征，然后作為輸入數據放入己訓練好的SVM分類器中，根據分類器的輸出判斷圖像的類別。

2.圖像語義標注的方法

本文對文獻中提出的一種基于SVM圖像語義提取方法進行改進，提出一種基于本體模型結構的圖像語義標注的方法。

第一步，要從圖像領域本體模型所構成的樹結構來入手分析，把該樹形結構記為：T(root), 其中root表示根節點即語義類“圖像語義”，Ni表示語義結構樹中的某個節點，T(Ni)表示以節點Ni為根節點的子樹，Nj∈T(Ni)表示Nj是樹T(Ni)中的一個節點。由于在構建模型時圖像資源庫中所有圖像的語義種類就已經被最大限度的包含了，并用相應關鍵詞給描述出來，已形成了一個圖像領域本體模型，并將描述語義類Ni的關鍵詞集合記為K(Ni)。

第二步，對于除根節點以外的每個節點利用前面敘述的構造方法來設計SVM分類器；

由此我們就可以對一副給定的圖像M來提取其語義(這里假定圖像共有K個語義)，具體過程如下：

Void Check() /*從根節點開始依次判斷*/

接著開始按層次遍歷樹形結構中的節點；

While(Ni 有子節點)

{ 獲取Ni 的子節點集合N；

Void Checksubtree()

{ 對以Ni為根節點的子樹進行按層次遍歷；

如果節點nk為葉子節點，

{ 利用該節點判別函數進行判斷，如果圖像M為nk語義類，則將圖像M歸入節點nk所代表的語義類；

第三步，將節點Ni所代表的語義類的語義作為圖像M的語義。

四、結束語

本文中構建出了相應的圖像領域本體模型，并利用SVM理論改進設計了一種圖像語義標注方法。下一步工作將是在計算機上如何具體建模的過程，將會用到一系列Ontology建模相關軟件，最終實現圖像領域本體模型的構建。

[1] Thе Sеmаntiс Аrgumеnt Wеb httр://www.drаwinmаg.соm/ rеаd/ swiftkiсk/соlum -n.html?АrtiсlеID=421.

[2]韓婕,向陽.本體構建研究綜述[J].計算機應用與軟件,2007(9):21.

[3] Еаkins,J.Р.,М.Е.Grаhаm,Соntеnt bаsеd imаgе rеtriеvаl.1999,А rероrt tо thе JISС Tесhnоlоgу Аррliсаtiоn Рrоgrаmmе.

[4]張運濤.基于МРЕG_7的圖像特征描述及其檢索技術研究[D].碩士,浙江工業大學,2005:10-11.

[5]張海龍,彭鑫,趙文耘,等.基于刻面與本體的資源描述與檢索系統的設計與實現[J].計算機應用與軟件,2007(9):1-2.

[6]周明全,耿國華,韋娜.基于內容圖像檢索技術[М].北京:清華大學出版社,2007.

[7]王陳飛,肖詩斌基于SVМ的圖像分類研究[J]計算機與數字工程2006(34):74-76.

[8]向前.基于本體的圖像檢索系統[D].碩士,北京交通大學,2008:20-21.

[9]黃永欣.基于СIDОС СRМ的語義查詢系統的研究與實現[D].碩士,首都師范大學,2006:25.

[10]孫亮,任小康.基于本體的圖像語義檢索模型研究[J].重慶工學院學報(自然科學版),2009(23):129-130.

Ontology-based semantic image retrieval of key technology

Sun Liang, Yan Xiao-qi

(Lanzhou University of Arts and Science, Lanzhou Gansu, 730000, China; LanZhou Jin Lun Shi Ye co., ltd, Lanzhou Gansu, 730000, China)

This follows the current Semantic Web and ontology (Ontology) technology, trends, combined with analysis of semantic image retrieval techniques nowadays, proposed a new semantic model image - the image semantic resource description tree, in order to establish a body image based on semantic retrieval model, and propose a technique based on SVM semi-automatic extraction of semantic annotation of image improvement methods.

Ontology; Semantic Web; Semantic Model; SVM

TP391

A

1000-9795（2014）03-0495-02

［責任編輯：陳懷民］

2014-01-09

孫 亮（1980-），男，河北唐山人，講師，從事多媒體信息處理研究。

閻小琦（1981-），女，黑龍江北安人，經濟師，從事網絡安全技術研究。