1、本科毕业论文(科研训练、毕业设计)题 目：根据语义的图像信息检索姓 名：学 院：软件学院系：专 业：软件工程年 级： 学 号：指导教师（校内）： 职称： 指导教师（校外）： 职称： 年 月- 2 -摘 要随着网络上图像信息量的爆炸性增长，如何从海量的资源中迅速找到自己所需要的图像，也成为了一项具有挑战性的任务，而图像检索技术正是因此而逐渐产生。图像检索技术自从它兴起至今，经历了好几个阶段，这个历程说明图像检索只有结合图像的多种信息，特别是语义信息，才能使检索系统的能力尽可能符合人们的要求。本文主要介绍了基于语义图像检索的历史和现状，阐述了构建语义检索系统的几个关键技术，对本小组所开发的图像检索
2、系统中对本体模型的检索方法和显示做了相关的介绍。特别以 OWL 定义产品信息的知识模型，用知识模型标记图像检索系统中的信息，通过度量语义标记的相似性来获得产品图片信息的相似性。同时，文中还介绍了此系统界面的详细设计方案，以及各小组成员所负责工程部分的容合。关键词：基于语义图像检索 本体 OWL 界面设计- 3 -AbstractImage information exist in Internet is growing on a violent speed these years. So, finding the way which can get the picture that someo
3、ne actually need in a jillion resources is now a challenging work, in that condition the image retrievaling technology come into being. From a historical point of view, we find that only if we use all kinds of image content, especially image semantics, that the capability of retrieval system can clo
4、se to humans image understanding ability.This paper first introduces the history and present situation of the Semantics-based Image Retrieval and elaborates several key technologies of building Semantic Retrieval System. You can see a detailed presentation of the Ontology Model Retrieval as well as
5、the display of the ImageSearch System. Particularly the knowledge model of the product information is defined in the OWL language, the information of the ImageSearch System is marked by the knowledge model and the productphoto information similarity is obtained through measuring the similarity of th
6、e semantic mark. The similarity of Ontology concept contains three elements: the concept of Ontology, semantic and similarity. The system has a friendly and natural user interface. Experiments show that, the ImageSearch System is able to retrieve images in a higher hit rate. Simultaneity, the design
7、 of interface is also will be introduced in this paper, at last this paper will intrdouse the conformity of the ImageSearch Systeam. Key words ：Semantic-based Image Retrieval Ontology Owl; the design of interface.- 4 -目 录第 1 章 引 言 .81.1 基于语义的图像检索技术的诞生和发展 .81.2 选题目景 .9第 2 章 系统相关概念简介 .102.1 本体及本体中的概念
8、.102.1.1 基本概念 .102.1.2 本体的主要构成 .102.1.3 本体的作用 .112.1.4 知识本体语言 .112.2 本体中的概念 .122.3 语义相似性度量 .12第 3 章 系统设计 .143.1 设计思路 .143.1.1 系统目标 .143.1.2 核心算法设计 .143.2 对界面的构思 .153.3 结果处理模块设计 .153.4 系统结构设计 .163.5 本章小节 .16第 4 章 算法的实现 .174.1 语义相似性度量在系统中的应用 .174.1.1 OWL 个体的相似性及排序算法 .174.1.2 Vector排序算法 .214.2 知识服务在查询浏
9、览中的应用 .224.2.1 基于 OWL 个体的查询方式 .234.2.2 相似查询与浏览 .23- 5 -第 5 章 界面设计 .255.1 详细介绍 .25第 6 章 结果处理模块的实现 .276.1 设计目标 .276.2 具体实现 .27结束语 .29致 谢 .30参考文献 .31- 6 -ContentsChapter 1 Introduction .81.1 Birth and development of sematic-based image retrievaling technolog .81.2 Background of the topic .9Chapter 2 In
10、troduction of Relative Concept .102.1 Ontology.102.1.1 Basic Concept.102.1.2 The Composing of ontology.102.1.3 The use of ontology.112.1.4 Ontology Language .112.2 Some concepts in ontology .122.3 Semantic similarity metric .12Chapter 3 Systematic design .143.1 Design ideas .143.1.1 The goal of the
11、system .143.1.2 Design of the core algorithm.143.2 Thought of the interface design.153.3 Results Processing Module design.153.4 Systematic structure design.163.5 Summary .16Chapter 4 Implementation of the algorithm .174.1 The application in the system of the Semantic similrity metric.174.1.1 The sim
12、ilarity and sortint algorithm of individual OWL .174.1.2 The sorting algorithm of Vector .214.2 The application of knowledge service in query and browse .224.2.1 The query approch based on individual OWL .234.2.2 Similarity query and browse .23- 7 -Chapter 5 Interface design.255.1 Details.25Chapter
13、6 Implementation of the Results Processing Module .276.1 The goal of the Design .276.2 Details.27Concluding Remarks .29Acknowledgement.30References .31- 8 -第 1 章 引 言1.1 基于语义的图像检索技术的诞生和发展视觉信息是人类从客观世界获得信息的主要来源，也是人类认知世界的重要功能手段它占人类依靠五官由外界获得的信息总量的 80%，人类对五彩缤纷的大干世界的认识上至宇宙星云，下至细胞、基因、原子，无一不是通过视觉形象信息获得深刻的感知进
14、而得到正确的认识的多媒体技术及 Internet 迅速发展的今天，将数字图像鼬理、模式识别技术、计算机视觉技术与传统的数据库技术结合起来，建立有效的图像描述和检索机制也就必然成为迫切需要解决的问题实际上 20 世纪 70 年代末，基于文本的图像检索技术就已经产生，它通过对图像进行手工注解，利用文本检索技术进行关键字的检索但是，基于文本的图像检索方式存在着两大难题 ：一是完全手工注解的工作量太大；二是文本注解的不可避免的主观性和不精确性不可否认，文本标注在描述高层的、抽象的语义概念时，有其简单、清楚的优点但如何提供相应的手段，扬长避短发挥其优势，是一个重要的课题。2O 世纪 90 年代初，大规模
15、图像集合不断涌现，研究者们提出了基于内容的图像检索(content basedimage retrievalCBIR)CBIR 使用颜色，纹理、形状及区域等视觉特征 ，而这些视觉特征是唯一可以独立、客观地直接从图像中获得的信息这一方法成为 20 世纪 90 年代图像检索技术研究的主流1这类系统主要支持基于范例检索(exarctplc basedretrieva1)、基于草图检索(sketchbased retrieva1)和随机浏览其组台的工作方式CBIR 的主要特点是利用图像本身包含的客观视觉特征图像相似性体现在视觉相似性上，不需要来解释也就不需要或者仅需要少量的人工干预，尤其是在需要自动化
16、的场合取得了大量应用然而，人们判断图像的相似性并非仅仅建立在图像视觉特征的相似性上。二是用户在进行图像检索时总是存在一个大致概念，这个概念建立在图像所描述的对象、事件以及表达的情感等含义上理想的状况下，用户主要根据图像的含义，而不是颜色、纹理、形状等特征，直观地进行分类并判别图像满足自己的需要程度这些图像的含- 9 -义就是图像的高层语义特征，它包含了人对图像内容的理解，这种理解是无法直接从图像的视觉特征获得的而要根据人的知识来判断人与计算机的本质不同就在于人观察图像时结合了日常生活中积累的大量的经验，观察图像的过程同时也是一个利用知识推理图像语义的过程图像必须附加包括语义在内的各种内容信息，
17、才能真正支持语义检索，重要的是要提供建立这些内容信息的过程利用计算机视觉和机器学习的方法来让系统对于某些特定情况做出特定反应，是长期以来很多研究者努力的方向，对象识别和场景识别即是其中的一部分使计算机检索图像的能力接近人的理解水平这就是语义图像检索的目的语义图像检索是更合理的图像检索方式虽然目前 CBIR 作为一项倍受关注的技术在研究和商业方面都取得了一定成果，但由于它只利用了图像本身固有的物理信息，因此它只在特定的应用领域如指纹识别、商标检索等方面获得成功2而要使图像检索技术真正满足用户个性化的需要必须把图像检索看作一个系统，考虑包括人在内的各种因素对于系统的影响其中主要的工作和面临的困难来
18、自 3 个方面： 必须提供图像语义的有效描述方式；必须有提取图像语义描述的方法，语义检索系统的语义处理方法为此，本文将从这几个方面对图像语义的建模和表示、图像语义的抽取方法和语义检索系统的设计等研究状况进行归纳和总结，并由此提出图像语义的进一步研究方向和思想1.2 选题目景针对此次本科毕业设计的选题，我们导师有小组成员主要从以下几个出发点来考虑： 紧靠本专业四年大学生活所学知识体系； 所选题目具有一定的难度但又不会超过学生所掌握知识的范畴； 所选题目具有一定的研究价值，最好是当前比较热门的研究课题； 能够一定程度上起到考查学生和锻炼学生的作用。基于以上几点，我们老师为我们选定一个工程类型的毕业设计。此项目名为 ImageSearch，项目产品为一个适合用于进行个人图像标记和检索的工具软件。项目关注于基于语义的图像检索技术，其中牵涉到最多的主要概念为本体，OWL-DL 语言和语义相似度。项目采用 Java 语言，使用 eclipse 开发工具，- 10 -junit 单元测试工具和 CVS 版本同步工具进行开发。此选题最大的优势是：在研究语义图像检索技术的同时也得到了软件工程能力上的锻炼
