摘要：图像已经成为互联网上最广泛传播的媒介形式，特别是，随着数码技术的普及，每天以海量级别在不断地生成图像数据，并由互联网工具快速在网络上复制传播。由于图像数据是无结构化数据，传统的关系数据库等组织管理方式很难用于图像数据，因此，如何有效地组织管理这些无结构的图像数据，已经成为近十年来学术和产业届的研究热点。

-图像标注、场景理解、事件理解是图像理解的三个关键步骤，其中，图像标注是基础。近十年来，图像标注研究逐步深入，取得了一些标志性进展，但还未实现高质量的图像标注，如果图像标注没有较显著的进展，场景理解、事件理解就无法开展。本论文的主要工作是基于多种模态信息下的研究实现语义邻域标签传播算法，然后对训练集划分语义组并建立待标注图像的邻域图像集，以实现高质量的图像标注。

关键词：语义邻域；多模态信息；图像标注

目录

摘要

Abstract

1引言-1

1.1研究的背景与意义-1

1.2 论文页眉页脚的编排-1

2图像标注的相关技术-3

2.1基于生成模型的图像标注-3

2.2基于判别模型的图像标注-4

2.3基于图模型的图像标注-5

3基于语义邻域标签传播的图像标注方法-6

3.1基本思想-6

3.2选择标准数据集-6

3.3对数据集图像进行预处理-7

3.3.1处理数据集图片-7

3.3.2计算图像均值-8

3.4视觉特征选择-9

3.5距离类型选择-9

3.6距离转相似度-10

3.7标注结果-10

4基于度量学习的语义邻域标签传播的图像标注方法-12

4.12PKNN思想-12

4.2度量学习方法简介-12

4.2.1线性判别分析（LDA）-12

4.2.2最大间隔临近法（LMNN）-13

4.2.3流形学习算法-13

4.3融合2PKNN与度量学习-14

4.4实验结果-14

结论-16

参考文献-17

致谢-19