Web图像视觉模式挖掘及其应用

Image mining technology has been applied in automatic analyzing and processing large scale image data for the purpose of obtaining meaningful patterns and knowledge. Focusing on Web image visual pattern discovery and extraction, the project mainly investigates the methods of saliency-based and concept-based visual pattern mining, and attempts to integrate the two methods to improve the performance of image re-ranking. The project probes into the computational model of visual selective attention mechanism. We plan to build a multi-scale visual saliency model based on statistical learning. Furthermore, we will design the unsupervised method of automatic clustering for Web images, and extract the recurrent visual pattern of specific concept. This project will also attempt to work out a image re-ranking algorithm integrating the two visual patterns, by which the images which are visually salient and closely related to the search query will have high ranks. The implementation of project will expand the research category of Web image pattern mining. This proposed visual pattern can not only be used to improve the performance of image browsing and retrieval, but can also be applied in some other fields such as image classification and image annotation.

图像挖掘技术致力于对海量图像数据自动分析处理，以获取有意义的模式和知识。本课题围绕Web图像的视觉模式发现和提取展开，重点研究了基于显著性和基于语义的视觉模式挖掘方法，并将这两种方法融合用于提升图像检索的重排序性能。通过研究视觉选择性注意机制的计算模型，拟从统计学习的角度出发，建立多尺度视觉显著性模型。研究基于语义的视觉模式挖掘问题，设计无监督的分析方法对来自于Web的图像自动进行聚类处理，从而提取出特定语义概念的重复视觉模式。本课题还将研究融合两种视觉模式的图像重排序算法，将视觉上显著的且与查询主题密切相关的图像优先返回给用户。本课题的实施将扩展Web图像视觉模式挖掘的研究范畴，利用所提出的挖掘算法，不仅能用于提升图像浏览和检索系统的性能，同时也能在图像分类、图像标注等方面得到实际应用。

图像挖掘技术致力于对海量图像数据自动分析处理，以获取有意义的模式和知识。本项目围绕Web图像视觉模式挖掘与应用展开工作。首先研究了适用于图像模式分类的特征提取方法，提出了一种改进型的局部二值模式图像特征。研究了基于高层语义的场景和物体类模式识别问题，提出了基于隐语义模型的空间金字塔匹配方法和基于多重特征通道的场景和物体类识别方法。研究了显著视觉模式提取与应用问题，提出了一种基于图像分类框架的自顶向下的视觉显著性计算模型。本项目还提出了图像检索中利用目标图像挖掘用户图像搜索意图的方法。相关成果为图像视觉模式的挖掘与应用提供了新的研究思路，具有理论意义和一定的应用价值。所取得的主要学术成果包括：共发表论文9篇，提交专利申请2项，其中4篇被SCI收录，5篇被EI收录，达到预定目标。课题组严格按照基金委的要求使用经费。