融合图像质量特性的视觉对象类别标注方法研究

随着各种数字图像获取设备的广泛应用，对海量图像信息的有效组织、分类和检索正引起学术界和工业界的广泛关注。图像低层视觉特征和高层语义之间的"语义鸿沟"是制约基于内容的图像检索性能的瓶颈。作为语义图像检索的一项关键技术，视觉对象类别标注研究目前还处于方兴未艾的发展阶段，分类性能很不理想。现有研究表明，主流的局部特征的性能均与图像质量特性息息相关。本项目不是单纯地从图像处理的研究入手试图寻找对所有图像质量退化情况都不变的超级特征，而是进一步深入探索图像的质量特性对特征提取的影响，借鉴模式识别和人工智能中的集成思想，充分利用图像的质量特性信息，并将其有机地融合到模式表达和分类方法中去，研究基于图像质量特性的多特征融合集成方法，以及图像质量自适应的多分类器集成识别方法，最终建立具有自主知识产权的融合图像质量特性的集成型视觉对象类别标注原型系统，为提高实际应用环境下的标注性能提供一条创新的途径。