摘要：

计算机视觉是模式识别应用的一个重要方面,计算机视觉的目的是通过电子化地感知和理解图像,复制人类的视觉效果.计算机视觉首选要解决好三维物体所形成的二维图像在计算机中的存储,处理,描述,表达和理解操作等问题,它涉及的知识广,内容多,包括光学,物理学,数学,自动化和计算机等学科.计算机视觉就是在多学科的基础上来综合各种知识与技术方法,形成一个具有视觉功能的信息处理系统,从而建立起计算机对外界世界的感观,认知和行为动作,即计算机视觉. 本文针对计算机视觉的图像语义模型方法进行了研究.通过分析和研究目前国内外计算机视觉的现状,主要问题和未来发展的方向,对于计算机视觉中图像识别知识表达的问题,特别是图像识别中的底层属性与高层信息关联等方面的内容,进行了设计与研究,构建了计算机视觉图像语义模型方法的知识结构,为图像识别建立了知识关联,实现计算机视觉图像识别的知识方法. 针对计算机视觉图像语义的问题,本文提出了基于知识结构与方法的图像语义模型理论和方法.论述了语义名词的内涵和概念表达,阐述了图像高级知识相关属性与语义的关系,连接和范畴,定义了图像语义名词概念,建立了图像语义模型的理论基础. 提出了图像语义的特征空间表示法.它建立了图像属性与信息描述的映射关系,描述了图像底层属性,图像对象关系及对象空间关系和图像高级信息的信息映射过程,从三层结构的映射来形成一个基于知识描述图像内容的特征向量.图像语义反映了图像存在的基本特性,即图像的光表现,图像中对象的关系,即空间关系,图像的高级信息,即图像与社会与人的关系.从高级信息的知识角度来分析图像存在与应用的环境问题,解决了图像应用信息在计算机中描述与表达的相关知识问题,为计算机视觉的图像识别应用,建立了一种新的知识方法,提供了可参考的思维方式和结论. 计算机视觉图像语义模型描述了在设定的场景中,对在计算机视觉中直接成像的目标物体图像的描述,对所获取的图像,选择相应属性和对象关系等信息,利用约束机制,将数据信息映射到特征空间上,从而形成一个对图像的描述模型.为了建立图像属性与高层语义之间的关联,提出了基于SVM的图像语义关联法,它描述了图像底层属性到高级描述之间的关联,实现了图像信息的映射和特征表达,解决了图像属性选择和高级描述之间的关联问题. 在计算机视觉系统图像语义模型应用中,解决了语义概念运用和语义特征值表示,数字化的问题,建立了图像语义的数据模式和图像语义数据库.提供了图

展开