基于MATLAB/GUI的图像语义自动标注系统

陆伟艳，郑 鑫



基于MATLAB/GUI的图像语义自动标注系统

陆伟艳，郑 鑫

(广西民族师范学院，广西崇左 532200)

图像语义自动标注系统对大量图像数据库的图像检索起到重要的作用，并能将图像的视觉特征转化为图像的标注字信息，给检索用户带来了很大的便利。文中研究了图像自动语义标注系统的实现及有关技术，通过matlab中GUI的图形用户界面设计并实现了图像自动标注系统，该系统能较好的实现图像轮廓与颜色特征的提取。提取图像轮廓是由颜色空间来获取整体轮廓，该方法对于颜色变化比较明显的图像可以很好的提取轮廓。结合颜色特征与图像轮廓进行相似度量，从而较好的将待标注图像分类，采用特征点匹配标注图像语义关键词能够比较准确的对图像进行标注。

Matlab/GUI；自动标注；视觉特征；轮廓特征；图像语义

0 引言

随着多媒体数字影像技术与移动互联网技术以及云计算存储的迅猛发展，互联网为用户提供了惊人的大量的数字图像资源。为了有效管理、查询和浏览此大规模图像资源，图像检索技术应运而生，已经成为研究的一个热点[1]。现有的数字图像检索方式存在着底层特征与高层语义特征之间的“语义鸿沟”[2]。为解决‘语义鸿沟’的问题，人们就提出了基于图像语义的检索方式，随之而来的问题就是图像高层语义的映射技术及分类，自动图像标注等技术就顺其自然成为研究者们的关注问题。如何快速、有效的实现对图像自动语义标注则得到了研究者的极大关注。

目前，不少研究者们也都在研究图像自动标注技术，他们所提出的方法有着各自不同的出发点和解决方案。本系统要实现的图像语义自动标注是为了自动获取图像的语义信息，并对待标注图像给予关键字的标注，将标注的关键字存储，并为检索做出支持[3]。本文主要研究图像语义自动标注的基本原理，基于Matlab/GUI实现图像语义自动标注系统，利用图形用户界面，用户可以很好的操作完成图像底层特征的提取、根据特征相似将大量的图片进行分类及存储和图像自动标注[4]。

1 系统设计

本系统主要研究面向网络庞大的没有整理过的无序的图像信息来设计的，由于网络的信息量超大，人工标注显得工作量非常之大，而且由于个人情感差异和判断差异，使得标注无法统一，检索系统性能不理想[5]。因此，本文设计的系统是对没有预先分类好的图像集进行自动标注。由给出的系统设计方框图可知，系统首先将没有预习分类好的待标注图像集进行颜色、轮廓特征的提取，然后计算所提取的这些图像特征的互信息量，设置恰当的阀值将图像集进行分类并分别保存在各自的图像库中，对已标注图像提取特定区域的轮廓特征，并与分类好的图像集匹配进行自动标注[6]。

图1 系统设计构架

2 图像特征提取及相似度

2.1 基于图像颜色特征分类

图像的视觉特征主要有颜色、纹理、形状和空间关系等[7]。在视觉特征中最为广泛使用的是颜色特征，因为颜色特征的定义比较其他的特征明确，它的提取方法也比较简单，并且能够较好的体现出图像中所包含的物体或者场景[8]。本文采用RGB彩色空间，由于颜色直方图作为图像的颜色特征在图像识别系统中应用比较广泛，因此本系统提取图像的颜色直方图作为图像的颜色特征[9]。通过式子（1）来描述图像颜色的直方图，定义颜色直方图为H，在一副图像中有N个像素，则在RGB的图像颜色空间中被量化为3个不同的颜色，用表示第种颜色在整幅图中具有的像素数那么有：

2.2 轮廓特征提取分类

本系统采用基于颜色的变化边缘来对图像进行提取轮廓[10]，次方法是通过颜色空间来获取整体轮廓，检测颜色空间的变换对图像进行分割得到图像轮廓，并进行修正最终确定轮廓，该方法对颜色变化较明显的图像提取轮廓特征有较好的效果。基于颜色特征分割是在EXG算法灰度化的基础上技术阀值进行分割，以下式子（2）和（3）分别是EXG算法表达式与阀值表达式[11]：

（3）

2.3 图像相似度计算及自动标注

本文没有采用传统的分类技术，而是通过循环批量的读入图像数据，各自计算每一幅图像的RGB的三个分量的颜色直方图，利用巴氏距离对比较的两幅图像的个颜色分量直方图的归一化，计算得到相关系数，相关系数越大，那么两幅图像的相似度就越大，这种方法计算量较小，因此在速度上还比较快。分类的效果较好，当然存在有误分和漏分的现象，为了克服这一点问题，又采用提取图像轮廓特征并在这基础上提取轮廓图像的特征点相互匹配进行二次分类。

本文使用的巴氏距离公式如下：

图像自动标注：首先将上述待标注的各类图像的特定区域特征与已标注的图像特征进行匹配计算，把所有匹配系数比较帅选，系数越大的排在前面并且把图像的关键字分别赋给这些待标注图像，并显示最相近的图像。

3 实验结果

本实验从corel图像库中拿出200张图像做实验，其内容有大海、蓝天、沙滩、建筑物、公共汽车、树和路等，其中把大海和蓝天、沙滩归为一类，有七个关键字。采用传统的巴氏距离计算对批量相互比较计算相似度，效果不好，分类不准确，比较难以设置的较精确的门限值。本文在原有的巴氏距离的基础上做了一点改进，计算两幅图像的相似度效果有很大的改进得到较好的效果，查全率和查准率有所提高。查全率和查准率的定义式为：

（6）

图3 图像特征点匹配结果

图5 轮廓特征结合颜色特征对海滩风景分类结果

图6 “公共汽车”自动标注结果

4 结论

文中设计基于MATLAB/GUI的图像分类及自动标注系统，该系统实现图像的颜色特征提取及轮廓特征提取、图像特征点提取、特征匹配相似度测量及分类、图像自动标注。实验结果证明系统性能较好，能够较好的基于颜色和轮廓特征进行分类并匹配，能够运用简单的算法进行自动标注图像，不足之处未能实现大量的图像语义自动标注，对于大量的实现起来还是比较困难，因此该系统还需要进一步的完善和改进。

[1] 孙亚杰, 张永宏, 季赛.无方向数据采集的相控阵结构健康监测研究[J]. 数据采集与处理, 2014, (06): 1023-1029.

[2] 朱文球，刘强. 一种新的图像自动语义标注与检索算法[J]. 计算机应用研究, 2007(7): 318-320

[3] 李志欣, 施智平, 李志清. 融合语义主题的图像自动标注[J]. 软件学报, 2011(04): 213-224.

[4] 纪传俊, 刘作涛, 产文. 一个基于语义上下文建模的图像自动标注系统[J]. 计算机研究与发展, 2011: 450-454.

[5] 田枫, 沈旭昆, 刘贤梅. 大规模图像语义相关性自动标注[J]. 计算机辅助设计与图形学学报, 2013(02): 26-32+40.

[6] 欧阳军林, 夏利民, 文杏梓. 结合SML与本体的图像语义自动标注方法[J]. 小型微型计算机系统, 2012(09): 239-242.

[7] 纪颖. 一种基于实例的图像自动语义标注方法[J]. 哈尔滨理工大学学报, 2009(1): 38-42

[8] MIGNOTTE M. Segmentation by Fusion of Histogram basedK-Means Clusters in Different Color Spaces[J]. IEEE Transactions on Image Processing, 2008, 17: 780-787.

[9] GROMPONE R, JAKUBOWICZ J, MOREL J M, et al. LSD: A Fast Line SegmentDetector with a False Detection Control[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, 32(4): 722-732.

[10] 夏旸, 管海兵, 宦飞. 基于颜色与线段的图像轮廓提取算法[J]. 通信技术. 2012. 5: 58-60、65.

[11] OnyangoC, MarchantJ. Physics-based colour image segmentation for scenes containting vegetation and soil[J]. Image and Vision Computing, 2001, 19(8): 523-538.

Image Semantics Automatic Annotation System Based on MATLAB/GUI

LU Wei-yan, ZHENG Xin

(Guangxi Minzu Normal College, Chongzuo, Guangxi 532200)

Image semantics automatic annotation system plays an important role for image retrieval of large amount image database, it can transform visual features of images into annotation information, and bring great convenience for retrieval users. The article studied implementation of image semantics automatic annotation system and related technology, and realized image automatic annotation system through GUI graphical user interface design in MATLAB, which can realize extraction of image contour and feature well. For extraction of image contour, the whole contour can be extracted from color space, and it can be received well for images with obvious color change. Combined with color feature and image contour, we can carry on similarity measurement and classify annotating images. Image semantics key words annotation with feature matching can receive accurate image annotation.

Matlab/GUI; Automatic annotation; Visual feature; Profile feature; Image semantics

TP753

A

10.3969/j.issn.1003-6970.2017.04.018

广西高校科学技术研究一般项目《基于图像语义的图像检索技术的研究》（编号：2013YB270）

陆伟艳(1980-)，女，工学硕士，副教授，研究方向为为数字图像处理；郑鑫(1979-)，男，硕士，讲师，主要研究方向为物联网图像技术。

本文著录格式：陆伟艳，郑鑫. 基于MATLAB/GUI的图像语义自动标注系统[J]. 软件，2017，38（4）：99-103