期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:段喜萍,刘家锋,王建华,唐降龙.一种语义级文本协同图像识别方法[J].哈尔滨工业大学学报,2014,46(3):49.DOI:10.11918/j.issn.0367-6234.2014.03.009
DUAN Xiping,LIU Jiafeng,WANG Jianhua,TANG Xianglong.A collaborative image recognition method based on semantic level of text[J].Journal of Harbin Institute of Technology,2014,46(3):49.DOI:10.11918/j.issn.0367-6234.2014.03.009
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 1983次   下载 1432 本文二维码信息
码上扫一扫!
分享到: 微信 更多
一种语义级文本协同图像识别方法
段喜萍1,2,3,刘家锋1,王建华2,3,唐降龙1
(1.哈尔滨工业大学 计算机科学与技术学院,150001 哈尔滨; 2. 哈尔滨师范大学 计算机科学与信息工程学院, 150025 哈尔滨; 3. 黑龙江省高校智能教育与信息工程重点实验室, 150025 哈尔滨)
摘要:
为解决单纯依赖图像低级视觉模态信息进行图像识别准率低的问题. 考虑到许多图像中存在文本信息,提出了利用图像中的文本信息辅助图像识别的语义级文本协同图像识别方法. 该方法通过文本定位方法定位到图像中的文本块,对其进行分割、二值化、提取特征等处理;然后获取语义,提取图像底层视觉信息,计算两模态的相关性,从而得到协同后验概率; 最后,得到联合后验概率,并取其中最大联合后验概率对图像进行识别. 在自建体育视频帧数据库中,通过与以朴素贝叶斯为代表的单模态方法进行比较,方法在3种不同视觉特征下均具有更高的准确率. 实验结果表明,文本协同方法能够有效辅助图像识别,具有更好的识别性能.
关键词:  文本定位  图像识别  多模态
DOI:10.11918/j.issn.0367-6234.2014.03.009
分类号:
基金项目:国家自然科学基金资助项目 (7,2).
A collaborative image recognition method based on semantic level of text
DUAN Xiping1,2,3, LIU Jiafeng1, WANG Jianhua2,3, TANG Xianglong1
(1.School of Computer Science and Technology, Harbin Institute of Technology, 150001 Harbin, China; 2.Computer Science and Information Engineering College, Harbin Normal University, 150025 Harbin, China; 3. Heilongjiang Provincial Key Laboratory of Intelligence Education and Information Engineering, 150025 Harbin, China )
Abstract:
To solve the problem that singular-modal image recognition using only the low-level visual features has low accuracy, considering that many images have embedded-in textual information, a collaborative method using the embedded-in text to aid the recognition of images is proposed. The method includes three steps. Firstly, after localization, segmentation, binarization and feature extraction, semantics of text is gotten. Secondly, the collaborative posterior probability is calculated by extracting visual features of images and counting correlation of visual and textual modals. At last, for each class of images, the joint posterior probability is calculated using the previous two items. A new image is recognized to the class with maximal joint posterior probability. Experiments on the self-built data set of sports video frames showed that the proposed method performed better than the singular-modal method on three different visual features and had higher accuracy.
Key words:  text localization  image recognition  multi-modal

友情链接LINKS