[发明专利]一种基于语义推理的画面理解方法

说明书

本发明公开了一种基于语义推理的画面理解方法，属于图像处理技术领域。一种基于语义推理的画面理解方法，包括以下步骤：S01，定义不确定集的集合划分函数；S02，定义基本贴近度函数；由基本贴近度函数定义虚边界函数、实边界函数，并构建贴近度组合函数；S03，针对贴近度组合情况，设计语义推理决策方法。本发明能够正确分析和理解场景内容，管理图像数据，确定图像中包含的重要特征，判断图像所在的主题场景，深度挖掘图像中的潜在场景主题内容。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于语义推理的画面理解方法。

背景技术

近些年随着智能设备的快速发展，人与人之间的交流更加方便、快捷，信息内容也愈加丰富和多样化，已经不再局限于文字内容的表达。图像作为一种信息载体，在人们日常生活中发挥着愈加显著的作用。如今，伴随信息技术和社会媒体的快速发展，每天在社交网络中出现的图片数量数以亿计。面对如此海量的图像数据，如何有效的自动提取图像场景特征，实施准确的画面语义理解，挖掘图像潜在的特征，是现在所有使用图像检测、识别等部门的一个亟待于解决的重要难题。

图像场景分类，是图像分析和理解的基本问题之一。语义推理，作为自然语言处理的重要组成部分，是自然语言处理领域内一项基础而又有挑战性的任务。近几年，随着迁移学习在自然语言处理领域和图像处理领域取得的巨大成功，人们开始将传统的自然语言处理领域与图像处理领域结合，采用深度学习技术全方位、多角度的挖掘图像中的语义推理信息。但是，目前基于语义推理的画面理解方法整体效果不佳，无法做到深度挖掘图像中的潜在内容。

发明内容

本发明的目的是提出一种基于语义推理的画面理解方法，能够正确分析和理解场景内容，来管理这些图像数据；通过概率模型与图像的不同特征信息相结合，深度挖掘图像中的潜在场景主题内容；以解决现有技术中存在的问题。

为了实现上述目的，本发明采用了如下技术方案：

一种基于语义推理的画面理解方法，包括以下步骤：

S01，定义不确定集的集合划分函数；

S02，定义基本贴近度函数；由基本贴近度函数定义虚边界函数、实边界函数，并构建贴近度组合函数；

S03，针对贴近度组合情况，设计语义推理决策方法。

进一步的，在步骤S01中，根据不确定集中上近似、下近似的关系集合，定义不确定集，以及集合划分函数j(X)；

对于不确定集的边界情况，画面理解的基本框架如下：

设，场景画面语义信息的非空有限论域Ω，Ω的所有子集构成的集合Ω'，Ω'上的二元等价不可分辨关系集值映射R:Ω→Ω'，近似空间序对k＝(Ω,R)；

对于X关于k的下近似X^-为

X关于k的上近似X⁺为

X⁺＝{u∈Ω|R(u)∩X≠φ}，

当X⁺＝X^-时，X关于近似空间k是可定义的，或称之为精确的；否则，X关于近似空间k是不可定义的，此时X是场景画面语义信息集合上的不确定集，X＝(X^-,X⁺)，且