[发明专利]基于压缩域的社会图像标签排序方法

摘要

基于压缩域的社会图像标签排序方法属于图像处理领域。本发明以社会化媒体网站中的压缩格式图像为研究对象，针对社会图像标签的不准确性提出基于压缩域的社会图像标签排序方法。主要运用压缩域图像处理技术，提取压缩域社会图像的特征生成图像的视觉单词，将空间上下文信息融入视觉单词，建立描述性视觉词包。然后结合社会图像标签的语义信息，在充分分析视觉单词和标签语义的基础上，运用近邻投票技术计算标签和图像语义的关联性，进而依据关联性来对图像标签排序，有效提高社会图像标签的准确性以及标记效率，并进一步为社会化媒体网站提供一种高效的图像组织和管理技术手段。

主权项

基于压缩域的社会图像标签排序方法，其特征在于包括：压缩域描述性词包构建1）重建低分辨率图像对8×8的图像块构建出原图像分辨率的1/2×1/2版本的图像；2）提取SIFT描述算子3）生成视觉单词从图像中提取SIFT特征数据库，采用k均值聚类方法进行聚类分析，并选取每类中心作为视觉单词，构建视觉单词库；4）构建描述性视觉词包提出了描述性视觉词包建立方案，包括描述性视觉单词DVW和描述性视觉单词对DVP；DVW指能够高效描述某类目标或者场景的特定视觉单词，DVP指在某类别的图像中经常出现的视觉单词对；针对DVW，依据网页排序的原理提出一种视觉单词排序算法，挑选出各个图像类别中具有描述性的视觉单词，也即得到DVW；针对DVP，首先通过检测一定的空间距离内经常成对出现的视觉单词得到DVP候选词，然后计算每个DVP候选词的重要性并进行排序，从中挑选出各类别中具有描述性的候选词对，得到DVP；最后将DVW和DVP集中起来，形成最终的描述性视觉词包；还包括标签排序：在描述性视觉词包基础上，进行相似性匹配得到查询图像的k近邻图像子集；引入近邻投票模型进行标签排序，通过近邻图像的标签对关键图的标签进行投票，进行投票统计，也即计算标签的相关度得分，按照最终的相关度得分对标签排序，得到图像新的标签列表；具体说来，给定图像I和相应的标签列表T={t₁,t₂,…,t_n}，首先，根据图像的低层特征寻找图像I的k近邻图像集；然后，统计标签列表T={t₁,t₂,…,t_n}中各标签在图像I的k近邻图像集中的出现次数，计算相关度得分；最后，依据各标签的相关度得分将标签进行降序排列，得到最终的排序结果。