王 琳，张素兰，杨海峰

(太原科技大学 计算机科学与技术学院，山西 太原 030024)

0 引 言

随着智能科技和互联网的快速发展，图像资源信息迅猛增长，如何对图像进行有效自动标注以提高图像检索的准确性仍是计算机视觉领域的重要研究内容。然而，由于人工图像标注的主观性和不可靠性，使得人们对于同一幅图像有不同的理解，造成图像标注的语义内容和标签不符，影响了图像检索的准确性。而且，人工给海量图像进行标注也很不现实。因此，目前仍有不少研究人员致力于图像语义自动标注(automatic image annotation，AIA)[1-3]模型和方法的研究工作，主要利用人工智能、模式识别和机器学习等方法，对图像内容进行语义解释，从而使计算机可以自动获取图像的语义信息，帮助人们更有效地进行图像检索。

其中，Cheng[4]等将图像自动标注方法主要分为生成模型[5]、判别模型[5]、标签补全[6-7]、深度学习[1,8]和最近邻模型[9-14]等几种。由于大规模网络图像的出现，以及人们通常直观地假设相似图像可能含有共同标签使得基于最近邻模型的图像自动标注方法一直深受研究者的关注。Su等[9]提出了一种基于图学习的最近邻图像自动标注方法，该方法考虑了标签之间的相关性并将图像到标签之间的距离与基于图学习的分数相结合来获得标签的决策值。虽然该方法在一定程度上提高了图像标注的性能，但其采用全局特征和局部特征进行图像特征提取，过程比较复杂且提取到的图像特征的辨识度不高。……