周 运，刘 栋

（河南师范大学 计算机与信息技术学院，河南 新乡453007）

0 引 言

由系统自动处理、分析、分类和解释图像的方法研究已成为目前研究的热点。目前国内外利用本体对图像进行标注主要是把图像作为基本单位进行标注［1－5］，很少以图像中的对象为基本单位进行区块分析和标注。这篇论文提出一个新的方法，以图像底层特征为基础，利用建构于系统中的本体将知识，当系统用底层特征分析、理解图像时，结合知识本体去判断图像中对象与对象间的相互关系，能更准确的理解图像中所包含的对象及其深层语义，推导出对象与对象在现实世界中的相关性，更准确地对图像内容做出标注。

1 基于特征值的图像标注

1.1 基本特征数据预处理

预处理搜集大量主题鲜明的图片以便进行精确的学习，首先将图像中有意义的实体对象手动勾勒出其轮廓，这里所取的实体对象如有天空、草原、大象、海豚……等，如图1所示。

然后作特征参数提取，得到对象的24维特征向量。维度的取法包括对象的三基色RGB及其标准差，线性变换后得到的色调、饱和度、亮度值及其标准差，利用傅里叶变换得到的频率域数值信息，包括实、虚部直流频率和实、虚部交流低、中、高频率值。

图1 原始图像经分割后的区块

每个特征属性向量均有24维，第25维为所属类别，最后将同样类别的特征向量归类，得到对象类别的编码向量，将其集合而成为编码书。

1.2 对象的主成分分析

主成分分析［6］是图像识别中常用的方法。