基于关键词的图像标注综述

Ｃｏｍｐｕ￣ｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄＡｐｐｌｉｅａｔｉｏｎｓ计算机工程与应用　＠图形、图像、模式识别＠　基于关键词的图像标注综述　郭乔进　，丁轶　，李　宁　ＧＵ０　Ｑｉａｏｊｉｎ　一，ＤＩＮＧ　Ｙｉ　～，ＬＩ　Ｎｉｎｇ　’　１．南京大学计算机软件新技术国家重点实验室，南京２　１　００９３　２．南京大学计算机科学与技术系，南京２１００９３　１．Ｎａｔｉｏｎａｌ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｆｏｒ　Ｎｏｖｅｌ　Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ　２　１　００９３，Ｃｈｉｎａ　２．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｙｔ，Ｎａｎｊｉｎｇ　２１００９３，Ｃｈｉｎａ　ＧＵＯ　Ｑｉａｏｊｉｎ，ＤＩＮＧ　Ｙｉ，ＬＩ　Ｎｉｎｇ．Ｓｕｒｖｅｙ　ｏｆ　ｋｅｙｗｏｒｄ　ｂａｓｅｄ　ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎ．Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ。　２０１１．４７（３０）：１５５—１５８．　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｔａｒｇｅｔ　ｏｆ　ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎ　ｉｓ　ｔｏ　ａｆｆｉｎｅ　ｔｅｘｔ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｏ　ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ｉｍａｇｅｓ，ｗｈｉｃｈ　ｈｅｌｐｓ　ａ　ｌｏｔ　ｉｎ　ｍａｎａｇ－　ｉｎｇ　ａｎｄ　ｒｅｔｒｉｅｖｉｎｇ　ｌａｒｇｅ　ｃｏｌｌｅｃｔｉｏｎｓ　ｏｆ　ｉｍａｇｅｓ．Ａｌｔｈｏｕｇｈ　ｉｔ　ｈａｓ　ｂｅｅｎ　ｓｔｕｄｉｅｄ　ｆｏｒ　ｓｅｖｅｒａｌ　ｙｅａｒｓ，ｉｔ’Ｓ　ｓｔｉｌｌ　ａ　ｃｈａｌｌｅｎｇｉｎｇ　ｒｅｓｅａｒｃｈ　ａｒｅａ　ｉｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ａｎｄ　ｍａｃｈｉｎｅ　ｌｅａｒｎｉｎｇ．Ｖａｒｉｏｕｓ　ｏｆ　ｍｅｔｈｏｄｓ　ｈａｖｅ　ｂｅｅｎ　ｕｔｉｌｉｚｅｄ　ｔｏ　ａｎｎｏｔａｔｅ　ｕｎｌａｂｅｌｅｄ　ｉｍａｇｅｓ．Ｔｈｉｓ　ｐａｐｅｒ　ｒｅｖｉｅｗｓ　ｔｈｅ　ｓｔａｔｅ　ｏｆ　ｔｈｅ　ａｒｔ　ａｌｇｏｒｉｔｈｍｓ　ａｎｄ　ｍｏｄｅｌｓ　ｆｏｒ　ａｎｎｏｔａｔｉｎｇ　ｉｍａｇｅｓ　ｗｉｈｔ　ｋｅｙｗｏ￣ｓ，ｉｎｃｌｕｄｉｎｇ　ｔｒａｄｉｔｉｏｎａｌ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｍｅｔｈｏｄｓ，ｒｅｌｅｖａｎｃｅ　ｍｏｄｅｌｓ，ｔｏｐｉｃ　ｍｏｄｅｌｓ，ｕｔｉｌｉｚｉｎｇ　ｃｏｎｔｅｘｔ　ｉｎｆｏｒｍａｔｉｏｎ　ｗｉｔｈ　ｒａｎｄｏｍ　ｆｉｅｌｄｓ　ａｎｄ　ａｎｎｏｔａｔｉｏｎ　ｗｉｔｈ　ｔｈｅ　ｈｅｌｐ　ｏｆ　Ｉｎ．　ｔｅｒｎｅｔ．Ｓｅｖｅｒａｌ　ｃｈａｌｌｅｎｇｅｓ　ｏｆ　ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎ　ａｒｅ　ａｌｓｏ　ｄｉｓｃｕｓｓｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ．　Ｋｅｙ　ｗｏｒｄｓ：ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎ；ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ；ｍａｃｈｉｎｅ　ｌｅａｒｎｉｎｇ　摘要：图像标注的目标是针对每幅图像，利用相对应的文本信息进行描述，从而能够对海量的图像数据进行有效的管理和检　索。尽管图像标注已经被研究了若干年，然而它仍然是机器视觉和机器学习领域中一个非常具有挑战性的问题。各种各样的算　法被用于图像的标注工作。对目前基于关键词的图像标注的一些常用的算法和模型进行了综述，包括传统的基于分类的方法、　相关模型、主题模型、基于随机场的上下文信息的处理以及利用Ｉｎｔｅｒｎｅｔ上海量的数据来辅助图像标注等等。讨论了目前图像标　注研究中遇到的一些具有挑战性的问题。　关键词：图像标注；机器视觉；机器学习　ＤＯＩ：１０．３７７８／ｊ．ｉｓｓｎ．１００２．８３３１．２０１１．３０．０４２　文章编号：１００２．８３３１（２０１１）３０—０１５５—０４　文献标识码：Ａ　中图分类号：ＴＰ３９１．４１　１引言　（ｈｔｔｐ：，，Ⅵ　ｆｌｉｃｋｒ．ｔｏｍ）等也允许用户对图片进行标注。然而　随着Ｉｎｔｅｒｎｅｔ和数字图像技术的发展，图像数据海量增长，　随着图像数量的急剧增长，光靠人工标注是不能满足要求的，　对图像的组织、分析、检索和管理等都是一个巨大的挑战ｎ　。　这也推动了图像的自动标注方法的研究。　人们对于图像所包含的语义概念的兴趣更加达到了前所未有　Ｈａｎｂｕｒｙ等　根据标注的形式将图像的标注分为三种，基　的规模，从而迫切需要一种符合人类感知和认知机理、基于语　于关键词的标注、基于本体的标注和基于自然语言的标注。　义概念理解的图像管理方法。图像标注［２－３］通过建立低层视觉　在图像标注的研究工作中，目前研究最多的是基于关键词的　特征与高层语义之间的映射关系，可以在一定程度上解决图　标注。利用图像周围的文本信息来提取关键词标注是一种常　像检索中存在的“语义鸿沟”　悯题。　用的标注方法，是目前图像检索系统中常用的一种方法。　图像标注可以分为手动标注和自动标注两类。使用人工　图像自动标注的基本流程可以分为三部分：图像分割、特　的方式进行图像标注是最直接也是最有效的方式，但是这也　征提取及标注算法。本文主要针对基于关键词的图像自动标　是非常耗时耗力的一项工作，因此目前有很多网站和组织鼓　注算法进行了综述。　励Ｗｅｂ上的广大用户为其提供的图像进行标注。ＭＩＴ提供了　一个Ｌａｂｅｌ　Ｍｅ工具（ｈｔｔｐ：／／ｌａｂｅｌｍｅ．ｃｓａｉｌ．ｍｉｔ．ｅｄｕ／）　】，使用户可　２图像标注　以对图像进行标注；ＥＳＰ　Ｇａｍｅ（ｈｔｔｐ：／／ｗｗｗ．ｇｗａｐ．ｃｏｍ／ｇｗａｐ／；　２．１图像标注中常用的机器学习算法　ｈｔｔｐ：／／ｉｍａｇｅｓ．ｇｏｏｇｌｅ．ｃｏｒｒｄｉｍａｇｅｌａｂｅｌｅｒ／）　让用户在游戏的过程　基于机器学习算法的图像标注算法，首先将图像进行分　中对图像进行标注；目前的一些照片共享网站，例如Ｆｌｉｃｋｒ　块、提取特征，然后通过机器学习算法对图像的视觉特征及其　基金项目：国家自然科学基金（ｔｈｅ　Ｎａｔｉｏｎａｌ　Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｆｏｕｎｄａｔｉｏｎ　ｏｆ　Ｃｈｉｎａ　ｕｎｄｅｒ　Ｇｒａｎｔ　Ｎｏ．６０８７５０１　１）；江苏省自然科学基金重点项目基　金（Ｎｏ．ＢＫ２０１＇００５４）。　作者简介：郭乔进（１９８６一），男，博士研究生，主要研究领域为模式识别与人工智能；丁轶，男，硕士研究生；李宁，女，副教授。Ｅ－ｍａｉｌ：ｌｎ＠￣ｕ．ｅｄｕ．ｃｎ　收稿日期：２０１１－０４—２０；修回日期：２０１１－０６—０１　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄＡｐｐＩｉｃａｔｉｏｎｓ计算机工程与应用　对应的标注关键词进行学习，从而对测试图像进行标注。利　用单类、两类或多类分类、多示例方法、集成学习等技术，对图　像的整体或区域的低层视觉特征与对应的标注关键词进行学　整体标注（场景分类）　和区域标注。　概率图模型（Ｇｒａｐｈｉｃａｌ　Ｍｏｄｅ１）作为一种结合概率与图结　构的描述框架，通过建立图像各区域及标注关键测之间的概　习和分类，然后根据分类标签进行图像的标注，Ｔｓａｉ等　１又寸目前　率分布，同时考虑空间位置、共生关系等上下文信息，被广泛　应用在图像的自动标注中，如ＨＭＭ、ＭＲＦ、ＣＲＦ等。Ｇｈｏｓｈａｌ　图像标注中常用的各种机器学习算法进行了综述。　２．２相关模型（Ｒｅｌｅｖａｎｃｅ　Ｍｏｄｅ１）　相关模型（Ｒｅｌｅｖａｎｃｅ　Ｍｏｄｅ１），包括ＣＭＲＭ　、ＣＲＭ　、　等　ｏ－将图像分为固定的块数，对标注与区域建立ＨＭＭ模型，　利用ＨＭＭ来选择区域和标注之间的对应关系。Ｗａｎｇ等　”利　用二维多尺度的ＨＭＭ来对图像进行标注，对同一尺度，利用　二维ＨＭＭ来对图像的相关性进行建模，同时，对多个尺度建　立马尔科夫链来表述多个尺度之间的关系。文献［２２．２３］通过　ＭＢＲＭ［　１等，一幅图像通常对应多个标注关键词（标签），传统　的分类算法忽略了标注关键词之间的关系，分别计算每个标　注关键词的后验概率，相关模型通过建立每幅图像中图像特　征与图像标注关键词的联合概率来进行图像标注。Ｊｅｏｎ等　将图像标注看作跨语言检索问题，首先对图像进行分割，提取　特征，建立词汇表（ｃｏｄｅｂｏｏｋ／ｖｏｃａｂｕｌａｒｙ），然后利用词汇表对　图像的连续值特征进行量化，利用ＣＭＲＭ（Ｃｒｏｓｓ—Ｍｅｄｉａ　Ｒｅｌｅ—　ｖａｎｃｅ　Ｍｏｄｅ１）来建立标注与区域特征的联合概率分布，从而　对未标注图像进行标注和检索。相对于ＣＭＲＭ的离散词汇　表，Ｌａｖｒｅｎｋｏ等　１提出了ＣＲＭ模型，利用非参数核密度估计直　接对图像区域的连续特征值进行建模，避免了建立词汇表时　通常会遇到的量化误差ｎ　ｏ，和词汇表规模设置等问题。Ｆｅｎｇ等　提出了ＭＢＲＭ模型，对图像均匀分块，一方面自动分割算法无　法保证分割的效果，另一方面，对大量的图像和视频进行分割　是非常耗时的。同时ＭＢＲＭ利用多重伯努利模型来建立标注　和区域之间的关系，因为多项分布偏好出现频率高的标注词　汇，而多重伯努利分布则描述每个关键词在图像中是否出现，　不受其他关键词的影响。ＣＭＲＭ中假设每个标注关键词独立　分布，与传统分类算法相同，对每个标注关键词计算概率，其　标注时间与标注关键词的数量呈线性关系，而ＣＲＭ与ＭＢＲＭ　通过关键词序列与区域特征序列之间的联合概率分布，避免　了标注关键词之间的独立性假设。　．　２．３主题模型（Ｔｏｐｉｃ／Ａｓｐｅｃｔ　Ｍｏｄｅ１）　主题模型ｎ　１通过引入隐藏变量来描述每幅图像的主题　信息，利用主题来建立图像的低层特征与标注关键词之间的　联系，广泛应用于图像理解和检索等领域中。Ｍｏｎａｙ等ｕ　指出　由于标注关键词的语义层次要远远高于图像的底层特征，所　以直接统计图像底层特征与关键词之间的联合概率分布是不　合适的，在很爹Ｉ青况下，底层特征的相似性并不能保证语义相　似。主题模型通过引入隐藏变量，从而允许相同或相似的视　觉特征在不同图像中对应于不同的语义概念。因此，利用主　题模型有利于提高图像标注的准确性。Ｂｌｅｉ等ｎ　提出了基于　ＧＭ—Ｍｉｘｔｕｒｅ、ＧＭ．ＬＤＡ的模型用于图像标注，ＧＭ—Ｍｉｘｔｕｒｅ模　型对图像的关键词和区域分别建立高斯混合模型，ＧＭ．ＬＤＡ　则利用ＬＤＡ来对建立主题模型，并结合这两种方法的优点，提　出了Ｃｏｒｒ－ＬＤＡ方法，进一步提高了图像标注的准确性。　Ｍｏｎａｙ等　将图像的标注关键词和区域特征合并在一起训练　ＰＬＳＡ进行图像标注，然而因为图像的标注关键词与图像的特　征之间所对应的隐藏语义空间是不同的　”，因￣，Ｍｏｎａｙ等针　对该问题进行改进，分别针对图像标注与特征单独训练关联　的ＰＬＳＡ，标注效果得到了明显提高。　２．４上下文信息在图像标注中的应用　由于“语义鸿沟”的存在，图像的语义标注一直是一个非　常具有挑战性的问题，越来越多的学者研究如何利用图像中　的上下文信息ｎ　，从而提高图像标注的准确性，包括图像的　利用ＭＲＦ来描述图像中相邻区域的空间关系来提高标注的准　确性。ＭＲＦ和ＨＭＭ同属于生成模型，需要建立标注关键词　和图像区域之间的联合概率分布，因而需要大量的训练样本，　才能建立准确的模型，然而，获取大量已标注图像作为训练样　本是非常困难的。而ＣＲＦ作为一种判别模型直接建立标注关　键词对应的后验概率，所需训练样本数目要少于生成模型。　由于ＣＲＹ具有上述优点，近年来，在图像标注中得到了广泛的　应用　。　。Ｈｅ等　对图像分别提取局部特征，区域特征和全局　特征，利用多尺度的ＣＲＦ来对图像进行标注。Ｓａｎｊｉｖ等　基于　ＣＲＦ建立了一个通用的利用上下文信息的两层模型，通过利　用图像中区域与区域，区域和物体以及物体和物体之间的关　系来进行标注。文献［２６］中，通过利用ＣＲＦ来建立数据集上各　个标注关键词之间的网络结构，从而利用ＣＲＦ来描述各个关　键词之间的共生关系，继而对每幅图像进行多关键词的标注。　２．５利用Ｉｎｔｅｒｎｅｔ　Ｉ　的海量数据进行图像标注　在图像标注的过程中，需要大量的已标注图像训练分类　器，然而，由于人工标注耗时耗力，现有的已标注图像数据仍　然非常有限，数据量不足的问题也影响到图像标注的效果。　值得注意的是，Ｉｎｔｅｍｅｔ上存在着海量的图像数据，虽然标注的　图像少之又少，但可以采用机器学习中的半监督学习思想，深　入挖掘无标注图像中所蕴含的有用信息，利用那些大量的无　标注图像来辅助模型的设计，可以在一定程度上解决样本不　足的问题。Ｆｅｎｇ等　通过利用两种不同的分割算法来对未标　注图像进行分割，结合ＣＯ．ｔｒａｉｎｉｎｇ算法来不断利用未标注的图　像数据训练分类器，从而提高图像标注的准确性。半监督学　习算法与概率图模型相结合的算法也被用于图像的语义标　注，如Ｌｉ等　通过结合半监督学习算法和ＣＲＦ来进行图像标注；　Ｍａ￣ｉｎｅｚ等［２９１通过主动学习方法，利用局部分类器ＳＶＭ．ＫＮＮ　自动选择未标记样本并加入训练集，从而达到提高标注算法　准确性的效果。　同时，还有一些学者通过利用Ｉｎｔｅｍｅｔ上海量的图像及图　像对应的文本信息，检索Ｉｎｔｅｍｅｔ上视觉相似的图像以及标注　关键词相似的图像来对未标注图像进行标注　”。Ｗａｎｇ等　ｍ　首先通过确定待标注图像的一个标注关键词，然后利用标注　关键词在Ｉｎｔｅｒｎｅｔ上检索出大量图像，同时计算检索结果与待　标注图像的视觉特征相似度，从而利用检索结果所对应的标　注关键词来对待标注图像进行标注。Ｗａｎｇ等　利用ＣＢＩＲ技　术检索网络上视觉特征相似的图像，然后对检测结果对应的　文字内容进行分析，从而得到一系列候选标注关键词，进行整　合与处理，从而对未标注图像进行图像标注。文献［３２］通过利　用图像对应的文本来建立标注关键词和图像区域之间的对应　关系。文献［３３１中通过利用图像的整体标注关键词在Ｉｎｔｅｍｅｔ　郭乔进，丁轶，李宁：基于关键词的图像标注综述　究，不仅有助于帮助计算机实现基于人类认知的图像内容分　析处理，具有重要的理论意义；而且还有助于提高各种图像应　用系统以及基于Ｉｎｔｅｒｎｅｔ的信息搜索引擎的智能水平，具有十　分重要的实际应用价值。　上搜索对应图像，然后利用搜索结果来建立原始图像中各个　区域与标注关键词之间的对应关系。　由于主题模型［１１ｄ２］是一种非监督的学习算法，因此，在训　练数据严重不足的情况下，可以通过利用主题模型来对未标　注的图像来进行无监督或办监督的标注。Ｈｅ等　结合少量详　细标注的图像以及大量粗略标注的图像作为训练集，将标注　关键词根据语义包含关系建立一个树状结构，并同时对不同　语义层次的标注关键词建立ＬＤＡ模型。文献［３５１中通过利用　ＭＲＦ来建立ＬＤＡ中主题之问的空间关系，利用少量的已标注　参考文献：　［１］Ｂｏｌｌ　Ｓ．Ｓｈａｒｅ　Ｉｔ，ｒｅｖｅａＩ　Ｉｔ，ｒｅｕｓｅ　Ｉｔ，ａｎｄ　ｐｕｓｈ　ｍｕｌｔｉｍｅｄｉａ　ｉｎｔｏ　ａ　ｎｅｗ　ｄｅｃａｄｅ［Ｊ］．ＩＥＥＥ　Ｍｕｌｔｉｍｅｄｉａ，２００７，１４（４）：１４—１９．　［２］Ｔｓａｉ　Ｃ，Ｈｕｎｇ　Ｃ．Ａｕｔｏｍａｔｉｃａｌｌｙ　ａｎｎｏｔａｔｉｎｇ　ｉｍａｇｅｓ　ｗｉｔｈ　ｋｅｙｗｏｒｄｓ：　图像来进行半监督的图像区域标注。　２．６基于语义结构的图像标注　图像的标注关键词之间存在着语义相关性，传统的机器　学习算法将标注关键词对应为没有语义信息的类别标签，忽略　了标注关键词之间的语义关系，因此一些学者利用ＷｏｒｄＮｅｔ　来描述标注关键词之间的相似性等关系，利用标注关键词中　包含的语义信息来提高图像的标注和检索的准确性。如Ｊｉｎ　等　利用ＷｏｒｄＮｅｔ来计算标注关键词之间的语义相似度，从而　去除标注结果中不合理的噪声关键词。Ｌｉ等　利用结构化的　ＬＤＡ来自动生成图像数据之间的语义结构。　３图像标注面临的挑战　３．１　图像标注的评价标准　基于关键词的图像标注可以分为区域标注与整体标注两　类，前者针对图像中的每个区域进行单独标注，后者则对整幅　图像进行标注，没有指定标注关键词在图像中的对应区域。　图像的整体标注由于与图像检索十分相似，因此通常采用检　索中常用的查准率（Ｐｒｅｃｉｓｉｏｎ）、查全率（Ｒｅｃａｌ１）等。为了能够针　对不同的标注算法进行比较，Ｍａｋａｄｉａ等　针对目前常见的图　像标注算法，在统一的公共数据集上做了对比，为图像的整体　标注提供了一个比较基准。然而区域标注目前还没有很好的　评价标准，通常只能使用示例的方式来展示标注算法的效果。　３．２海量数据的标注　随着图像数据的海量增长，对于图像标注的分类模型的　建立带来了很大的挑战。目前常用的分类算法在处理海量数　据时会遇到很多问题，同时，随着图像类别的增加，分类难度　也急剧增加。目前常规的多类分类算法可以分为三类，一对　一一、对多和直接多类分类，随着图像类别的增加，利用前两　种算法进行训练和分类都会越来越困难。　３．３图像的语义标注　在利用关键词进行标注时，并没有考虑到标注关键词中　存在的语义关系。在图像标注的训练、分类和评价时，标注关　键词的语义关系都会起到作用。目前的图像的语义标注并不　存在一个规范，基于ｗｏｒｄＮｅｔ的标注虽然可以保证语义上的结　构性，然而，由于目前的图像标注涉及的类别数目较少，更多　的则是相对简单的语义结构，例如包含和被包含关系等等。　另一方面，如何在基于语义结构的标注信息与图像的视觉特　征之间建立映射关系也变得更为复杂。　４结束语　本文对图像标进行了较为详细的描述。图像标注通过建　立低层视觉特征与高层语义之问的映射关系，可以在一定程　度上解决图像检索中存在的语义鸿沟问题。对该技术的研　ａ　ｒｅｖｉｅｗ　ｏｆ　ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎ　ｓｙｓｔｅｍｓ［Ｊ］．Ｒｅｃｅｎｔ　Ｐａｔｅｎｔｓ　ｏｎ　Ｃｏｍ—　ｐｕｒｅｒ　Ｓｃｉｅｎｃｅ，２００８，１（１）：５５—６８．　［３】Ｈａｎｂｕｒｙ　Ａ．Ａ　ｓｕｒｖｅｙ　ｏｆ　ｍｅｔｈｏｄｓ　ｆｏｒ　ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｖｉｓｕａｌ　Ｌａｎｇｕａｇｅｓ　ａｎｄ　Ｃｏｍｐｕｔｉｎｇ，２００８，１９（５）：６１７—６２７．　［４］Ｈａｒｅ　Ｊ，Ｌｅｗｉｓ　Ｐ，Ｅｎｓｅｒ　Ｐ，ｅｔ　ａ１．Ｍｉｎｄ　ｔｈｅ　ｇａｐ：ａｎｏｔｈｅｒ　ｌｏｏｋ　ａｔ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｔｈｅ　ｓｅｍａｎｔｉｃ　ｇａｐ　ｉｎ　ｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ［Ｃ］／／Ｐｒｏｅｅｅｄｉｎｇｓ　ｏｆ　ＳＰＩＥ，２００６，６０７３：７５—８６．　［５］Ｒｕｓｓｅｌｌ　Ｂ　Ｃ，Ｔｏｒｒａｌｂａ　Ａ，Ｍｕｒｐｈｙ　Ｋ　Ｐ，ｅｔ　ａ１．Ｌａｂｅｌｍｅ：ａ　ｄａｔａｂａｓｅ　ａｎｄ　ｗｅｂ—ｂａｓｅｄ　ｔｏｏｌ　ｆｏｒ　ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００８，７７：１５７—１７３．　［６］ｙｏｎ　Ａｈｎ　Ｌ，Ｄａｂｂｉｓｈ　Ｌ．Ｌａｂｅｌｉｎｇ　ｉｍａｇｅｓ　ｗｉｔｈ　ａ　ｃｏｍｐｕｔｅｒ　ｇａｍｅ［Ｃ］／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＳＩＧＣＨＩ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｈｕｍａｎ　ｆａｃｔｏｒｓ　ｉｎ　Ｃｏｍ—　ｐｕｔｉｎｇ　Ｓｙｓｔｅｍｓ，２００４：３　１　９－３２６．　［７】Ｊｅｏｎ　Ｊ，Ｌａｖｒｅｎｋｏ　Ｖ，Ｍａｎｍａｔｈａ　Ｒ．Ａｕｔｏｍａｔｉｃ　ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎ　ａｎｄ　ｒｅｔｒｉｅｖａｌ　ｕｓｉｎｇ　ｃｒｏｓｓ—ｍｅｄｉａ　ｒｅｌｅｖａｎｃｅ　ｍｏｄｅｌｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＡＣＭ　ＳＩＧＩＲ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ　ｉｎ　Ｉｎ—　ｆｏｒｍａｉｏｎ　Ｒｅｔｒｉｅｖａｌ，２００３：１１９—１２６．　［８］Ｊｅｏｎ　Ｌ，Ｌａｖｒｅｎｋｏ　Ｖ，Ｍａｎｍａｔｈａ　Ｒ，ｅｔ　ａ１．Ａ　ｍｏｄｅｌ　ｆｏｒ　ｌｅａｒｎｉｎｇ　ｔｈｅ　ｓｅｍａｎｔｉｃｓ　ｏｆ　ｐｉｃｔｕｒｅｓ［Ｃ］／／Ａｎｎｕａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｎｅｕｒａｌ　Ｉｎｆｏｒｍａ—　ｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ　Ｓｙｓｔｅｍｓ，２００３．　［９］Ｆｅｎｇ　Ｓ　Ｌ，Ｍａｎｍａｔｈａ　Ｒ，Ｌａｖｒｅｎｋｏ　Ｖ．Ｍｕｌｔｉｐｌｅ　Ｂｅｒｎｏｕｌｌｉ　ｒｅｌｅｖａｎｃｅ　ｍｏｄｅｌｓ　ｆｏｒ　ｉｍａｇｅ　ａｎｄ　ｖｉｄｅｏ　ａｎｎｏｔａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　ＶＪ　ｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｍ　Ｒｅｃｏｇｎｉｔｉｏｎ，２００４，　２：１００２—１００９．　［１０】Ｂｏｉｍａｎ　Ｏ，Ｓｈｅｃｈｔｍａｎ　Ｅ，Ｉｒａｎｉ　Ｍ．Ｉｎ　ｄｅｆｅｎｓｅ　ｏｆ　ｎｅａｒｅｓｔ－ｎｅｉｇｈｂｏｒ　ｂａｓｅｄ　ｉｍａｇｅ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ［ＣＪ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，２００８：１－８．　［１１］Ｈｏｆｍａｎｎ　Ｔ．Ｕｎｓｕｐｅｒｖｉｓｅｄ　ｌｅａｒｎｉｎｇ　ｂｙ　ｐｒｏｂａｂｉｌｉｓｔｉｃ　ｌａｔｅｎｔ　ｓｅｍａｎ—　ｔｉｃ　ａｎａｌｙｓｉｓ［Ｊ］．Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇ，２００１，４２（１）：１７７—１９６．　［１２］Ｂｌｅｉ　Ｄ　Ｍ，Ｎｇ　Ａ　Ｙ，Ｊｏｒｄａｎ　Ｍ　Ｉ．Ｌａｔｅｎｔ　ｄｉｒｉｃｈｌｅｔ　ａｌｌｏｃａｔｉｏｎ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇ　Ｒｅｓｅａｒｃｈ，２００３，３：９９３—１０２２．　【１３］Ｍｏｎａｙ　Ｆ，Ｐｅｒｅｚ　Ｄ　Ｇ．ＰＬＳＡ—ｂａｓｅｄ　ｉｍａｇｅ　ａｕｔｏ—ａｎｎｏｔａｔｉｏｎ：ｃｏｎ・　ｓｔｒａｉｎｉｎｇ　ｔｈｅ　ｌａｔｅｎｔ　ｓｐａｃｅ［Ｃ］／／Ｐｒｏｅｅｅｄｉｎｇｓ　ｏｆ　ＡＣＭ　Ｉｎｔｅｒｎａｔｉｏｎ—　ａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ，２００４：３４８—３５１．　【１４】Ｂｌｅｉ　Ｄ　Ｍ，Ｊｏｒｄａｎ　Ｍ　Ｉ．Ｍｏｄｅｌｉｎｇ　ａｎｎｏｔａｔｅｄ　ｄａｔａ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＡＣＭ　ＳＩＧＩＲ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ　ｉｎ　Ｉｎｆｏｒｍａｉｏｎ　Ｒｅｔｒｉｅｖａｌ，２００３：１２７—１３４．　【１５］Ｍｏｎａｙ　Ｆ，Ｇａｔｉｃａ－Ｐｅｒｅｚ　Ｄ．Ｏｎ　ｉｍａｇｅ　ａｕｔｏ—ａｎｎｏｔａｔｉｏｎ　ｗｉｔｈ　ｌａｔｅｎｔ　ｓｐａｃｅ　ｍｏｄｅｌｓ［ＣＪ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＡＣＭ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｕｌｉｔｍｅｄｉａ，２００３：２７５—２７８．　【１６】Ｗｏｌｆ　Ｌ，Ｂｉｌｅｓｃｈｉ　Ｓ．Ａ　ｃｒｉｔｉｃａｌ　ｖｉｅｗ　ｏｆ　ｃｏｎｔｅｘｔ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒ－　ｈａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００６，６９：２５１－２６１．　［１７］Ｒａｂｉｎｏｖｉｃｈ　Ａ，Ｖｅｄａｌｄｉ　Ａ，Ｇａｌｌｅｇｕｉｌｌｏｓ　Ｃ，ｅｔ　ａ１．Ｏｂｊｅｃｔｓ　ｉｎ　ｃｏｎｔｅｘｔ［Ｃ］／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉ—　ｓｉｏｎ，２００７：ｌ一８．　［１８］Ｏｌｉｖａ　Ａ，Ｔｏｒｒａｌｂａ　Ａ．Ｔｈｅ　ｒｏｌｅ　ｏｆ　ｃｏｎｔｅｘｔ　ｉｎ　ｏｂｊｅｃｔ　ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．　Ｔｒｅｎｄｓ　ｉｎ　Ｃｏｇｎｉｔｉｖｅ　Ｓｃｉｅｎｃｅｓ，２００７，１　１：５２０．５２７．　１５８　２０１１，４７（３０）　ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ　ａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用　［２９］Ｍａｒｔｉｎｅｚ　Ｏ，Ｔｓｅｃｈｐｅｎａｋｉｓ　Ｇ．Ｉｎｔｅｇｒａｔｉｏｎ　ｏｆ　ａｃｔｉｖｅ　ｌｅａｒｎｉｎｇ　ｉｎ　ａ　ｃｏｌｌａｂｏｒａｔｉｖｅ　ＣＲＦ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｍｐｕ￣ｒ　Ｖｉｓｉｏｎ　ａｎｄ　ＰａＲｅｍ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｗｏｒｋｓｈｏｐｓ，２００８：１—８．　Ｎ，Ｖａｓｃｏｎｃｅｌｏｓ　Ｎ．Ｈｏｌｉｓｔｉｃ　ｃｏｎｔｅｘｔ　ｍｏｄｅｌｉｎｇ　ｕｓｉｎｇ　ｓｅ—　【１９】Ｒａｓｉｗａｓｉａ　ｍａｎｔｌｅ　ｏｃｃｕｒｒｅｎｃｅｓ【ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ。２００９：１　８８９一ｌ　８９５．　【２０］Ｇｈｏｓｈａｌ　Ａ，Ｉｒｃｉｎｇ　Ｐ，Ｋｈｕｄａｎｐｕｒ　ｓ．Ｈｉｄｄｅｎ　ｍａｒｋｏｖ　ｍｏｄｅｌｓ　ｆｏｒ　ａｕｔｏｍａｔｉｃ　ａｎｎｏｔａｔｉｏｎ　ａｎｄ　ｃｏｎｔｅｎｔ—ｂａｓｅｄ　ｒｅｔｒｉｅｖａｌ　ｏｆ　ｉｍａｇｅｓ　ａｎｄ　［３０】Ｗａｎｇ　Ｘ　Ｊ，Ｚｈａｎｇ　Ｌ，Ｊｉｎｇ　Ｆ，ｅｔ　ａ１．ＡｎｎｏＳｅａｒｃｈ：ｉｍａｇｅ　ａｕｔｏ—ａｎｎｏ—　ｔａｔｉｏｎ　ｂｙ　ｓｅａｒｃｈ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔ—　ｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａ￣ｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，２００６：１４８３—１４９０．　ｖｉｄｅｏ【Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｉｎｔｅｍａｔｉｏｎａｌ　ＡＣＭ　ＳＩＧＩＲ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ　ｉｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｒｅｔｒｉｅｖａｌ，２００５：　５４４—５５１．　［３　１】Ｗａｎｇ　Ｃ，Ｊｉｎｇ　Ｆ，Ｚｈａｎｇ　Ｌ，ｅｔ　ａ１．Ｓｃａｌａｂｌｅ　ｓｅａｒｃｈ—ｂａｓｅｄ　ｉｍａｇｅ　ａｎ—　ｎｏｔａｔｉｏｎ［Ｊ］．Ｍｕｌｔｉｍｅｄｉａ　Ｓｙｓｔｅｍｓ，２００８，１４（４）：２０５—２２０．　［２１　Ｊ　Ｗａｎｇ　Ｊ，Ｌｉ　Ｊ．Ｌｅａｍｉｎｇ－ｂａｓｅｄ　ｌｉｎｇｕｉｓｔｉｃ　ｉｎｄｅｘｉｎｇ　ｏｆ　ｐｉｃｔｕｒｅｓ　ｗｉｔｈ　２－ｄ　ＭＨＭＭｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＡＣＭ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ，２００２：４３６—４４５．　［３２】Ｓｏｃｈｅｒ　Ｒ，Ｆｅｉ—Ｆｅｉ　Ｌ．Ｃｏｎｎｅｃｔｉｎｇ　ｍｏｄａｌｉｔｉｅｓ：Ｓｅｍｉ—ｓｕｐｅｒｖｉｓｅｄ　ｓｅｇ—　ｍｅｎｔａｔｉｏｎ　ａｎｄ　ａｎｎｏｔａｔｉｏｎ　ｏｆ　ｉｍａｇｅｓ　ｕｓｉｎｇ　ｕｎａｌｉｇｎｅｄ　ｔｅｘｔ　ｃｏｒ－　ｐｏｒａ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａ￣ｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，２０１０：９６６—９７３．　［２２】Ｈｅｅｓｃｈ　Ｄ，Ｐｅｔｒｏｕ　Ｍ．Ｌｅａｒｎｉｎｇ　ｍａｒｋｏｖｉａｎ　ｄｅｐｅｎｄｅｎｃｉｅｓ　ｆｒｏｍ　ａｎ—　ｎｏｔａｔｅｄ　ｉｍａｇｅｓＩｆ］／／ＩＥＥＥ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇ　ｆｏｒ　Ｓｉｇ—　ｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ．２００７：１１１一ｌ１６．　［３３］Ｌｉｕ　Ｘ，Ｙａｎ　Ｓ，Ｌｕｏ　Ｊ，ｅｔ　ａ１．Ｎｏｎｐａｒａｍｅｔｒｉｃ　ｌａｂｅｌ—ｔｏ—ｒｅｇｉｏｎ　ｂｙ　ｓｅａｒｃｈ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉ—　ｓｉｏｎ　ａｎｄ　Ｐａａｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，２０１０：３３２０—３３２７．　【２３］Ｈｅｍ￣ｎｄｅｚ—Ｇｒａｃｉｄａｓ　Ｃ，Ｓｕｃａｒ　Ｌ．Ｍａｒｋｏｖ　ｒａｎｄｏｍ　ｆｉｅｌｄｓ　ａｎｄ　ｓｐａ—　ｔｉａｌ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｏ　ｉｍｐｒｏｖｅ　ａｕｔｏｍａｔｉｃ　ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎ［Ｊ］．Ａｄ—　ｖａｎｃｅｓ　ｉｎ　Ｉｍａｇｅ　ａｎｄ　Ｖｉｄｅｏ　Ｔｅｃｈｎｏｌｏｇｙ，２００７，４８７２：８７９—８９２．　［３４］Ｈｅ　Ｘ，Ｚｅｍｅｌ　Ｒ　Ｓ．Ｌａｔｅｎｔ　ｔｏｐｉｃ　ｒａｎｄｏｍ　ｆｉｅｌｄｓ：Ｌｅａｒｎｉｎｇ　ｕｓｉｎｇ　ａ　ｔａｘｏｎｏｍｙ　ｏｆ　ｌａｂｅｌｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，２００８：１－８．　［２４】Ｒｉｃｈａｒｄ　Ｘ　Ｈ，Ｚｅｍｅ１　Ｒ　Ｓ．Ｍｕｌｔｉｓｃａｌｅ　ｃｏｎｄｉｔｉｏｎａ１　ｒａｎｄｏｍ　ｆｉｅｌｄｓ　ｆｏｒ　ｉｍａｇｅ　ｌａｂｅｌｉｎｇ［Ｃ］／／ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　ＰａＲｅｍ　Ｒｅｃｏｇｎｉｔｉｏｎ，２００４，２：６９５—７０２．　【３５】Ｍａｃｋｅｙ　Ｌ．Ｌａｔｅｎｔ　Ｄｉｉｃｈｌｅｔｆ　Ｍａｒｋｏｖ　Ｒａｎｄｏｍ　Ｆｉｅｌｄｓ　ｆｏｒ　Ｓｅｍｉ—ｓｕ—　［２５］Ｋｕｍａｒ　Ｓ，Ｈｅｂｅｆｔ　Ｍ．Ａ　Ｈｉｅｒａｒｃｈｉｃａ１　ｆｉｅｌｄ　ｆｒａｍｅｗｏｒｋ　ｆｏｒ　ｕｎｉｉｆｅｄ　ｐｅｒｖｉｓｅｄ　Ｉｍａｇｅ　Ｓｅｇｍｅｎｔａｔｉｏｎ　ａｎｄ　Ｏｂｊｅｃｔ　Ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．Ｅｌｅｃｔｒｉ－　ｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００７：１－１２．　ｃｏｎｔｅｘｔ－ｂａｓｅｄ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎ—　ａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００５：１２８４—１２９１．　【３６］Ｆｅｌｌｂａｕｎｌ　Ｃ．ＷｏｒｄＮｅｔ：Ａｎ　Ｅｌｅｃｔｒｏｎｉｃ　Ｌｅｘｉｃａｌ　Ｄａｔａｂａｓｅ（Ｌａｎ—　ｇｕａｇｅ，Ｓｐｅｅｃｈ，ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ）［Ｍ】．Ｔｈｅ　ＭＩＴ　Ｐｒｅｓｓ，１９９８．　［３７】Ｊｉｎ　Ｙ，Ｋｈａｎ　Ｌ，Ｗａｎｇ　Ｌ，ｅｔ　ａ１．Ｉｍａｇｅ　ａｎｎｏｔａｔｉｏｎｓ　ｂｙ　ｃｏｍｂｉｎｉｎｇ　ｍｕｌｔｉ［１ｌｅ　ｅｖｉｄｅｎｃｅ＆ｗｏｒｄＮｅｔ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＡＣＭ　Ｉｎｔｅｒｎａ—　ｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ，２００５：７０６—７　１　５．　［２６］Ｘｉａｎｇ　Ｙ，Ｚｈｏｕ　Ｘ，Ｌｉｕ　Ｚ，ｅｔ　ａ１．Ｓｅｍａｎｔｉｃ　ｃｏｎｔｅｘｔ　ｍｏｄｅｌｉｎｇ　ｗｉｔｈ　ｍａｘｉｍａｌ　ｍａｒｇｉｎ　Ｃｏｎｄｉｔｉｏｎａｌ　Ｒａｎｄｏｍ　Ｆｉｅｌｄｓ　ｆｏｒ　ａｕｔｏｍａｔｉｃ　ｉｍ—　ａｇｅ　ａｎｎｏｔａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍ—　ｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａ￣ｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，２０１０：３３６８—３３７５．　［２７］Ｆｅｎｇ　Ｈ，Ｃｈｕａ　Ｔ　Ｓ．Ａ　ｂｏｏｔｓｔｒａｐｐｉｎｇ　ａｐｐｒｏａｃｈ　ｃ０　ａｎｎｏｔａｔｉｎｇ　ｌａｒｇｅ　［３８］Ｌｉ　Ｌ，Ｗａｎｇ　Ｃ，Ｌｉｍ　Ｙ，ｅｔ　ａ１．Ｂｕｉｌｄｉｎｇ　ａｎｄ　ｕｓｉｎｇ　ａ　ｓｅｍａｎｔｉｖｉｓｕ—　ａｌ　ｉｍａｇｅ　ｈｉｅｒａｒｃｈｙ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，２０１０：３３３６—３３４３．　ｉｍａｇｅ　ｃｏｌｌｅｃｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＡＣＭ　ＳＩＧＭＭ　Ｉｎｔｅｒｎａｔｉｏｎ—　ａ１　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｒｅ￣ｉｅｖａ１．２００３：５５—６２．　［２８］Ｌｉ　Ｗ，Ｓｕｎ　Ｍ．Ｓｅｍｉ—ｓｕｐｅｒｖｉｓｅｄ　Ｌｅａｒｎｉｎｇ　ｆｏｒ　Ｉｍａｇｅ　Ａｎｎｏｔａｔｉｏｎ　［３９】Ｍａｋａｄｉａ　Ａ，Ｐａｖｌｏｖｉｃ　Ｖ，Ｋｔｔｍａｒ　Ｓ．Ａ　Ｎｅｗ　Ｂａｓｅｌｉｎｅ　ｆｏｒ　Ｉｍａｇｅ　Ａｎｎｏｔａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｅｕｒｏｐｅａｎ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍ—　ｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００８，５３０４：３１６－３２９．　Ｂａｓｅｄ　ｏｎ　Ｃｏｎｄｉｔｉｏｎａｌ　Ｒａｎｄｏｍ　Ｆｉｅｌｄｓ［Ｊ］．Ｉｍａｇｅ　ａｎｄ　Ｖｉｄｅｏ　Ｒｅ—　ｒｉｔｅｖａ１．２００６：４６３．４７２．　（上接１０４页）　ｍｏｄｉｉｆｃａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ，２００６，８（１）：　４６—５９　变换克服了ＦＲＦＴ计算带来的误差。　（３）给出了幂函数缩放定义，并对其性质进行了证明。　［７］Ｗａｎｇ　Ｑｉｕ—Ｓｈｅｎｇ，Ｓｕｎ　Ｓｈｅｎｇ—Ｈｅ．Ｗａｔｅｒｍａｒｋ　ｅｍｂｅｄｄｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｑｕａｎｔｉｚｉｎｇ　ｆｒｅｑｕｅｎｃｙ　ｄｏｍａｉｎ　ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｄｉｇｉｔａｌ　ａｕ—　（４）利用幂函数缩放性质，对奇异特征值进行缩放，不仅　缩小了奇异特征值之间的差值，同时还起到自适应地改变信　息隐藏强度作用。　算法存在的缺点是对低通滤波及ＡＤ／ＤＡ转换的鲁棒性　较差，如何进一步提高其鲁棒陛是下一步研究的重点。　ｄｉｏ　ｓｉｇｎａｌ［Ｊ］．Ａｒｃｔａ　Ａｃｕｓｔｉｃａ，２００２，２７（４）：３７９—３８５．　【８］谢玲，张家树，和红杰．一种基于非均匀离散傅里叶变换的鲁棒音　频水印算法［Ｊ］ｌ计算机学报，２００６，２９（９）：１７１１－１７２１．　［９］马翼平，韩纪庆．ＤＣＴ域音频水印：嵌入对策和算法［Ｊ１．电子学报，　２００６，３４（７）：１２６０—１２６４．　［１Ｏ］项世军．稳健音频水印研究：音频水印抗Ｄ／Ａ和￣Ｄ变换的研究【Ｄ】．　参考文献：　［１］沈昌祥．关于加强信息安全保障体系的思考［Ｊ］．信息网络安全，　２００２ｆ１】），　广州：中山大学，２００６．　［２］Ｐｅｔｉｔｃｏｌａｓ　Ｆ　Ａ　Ｐ，Ａｎｄｅｒｓｏｎ　Ｒ　Ｊ，Ｋｕｈｎ　Ｍ　Ｇ．Ｉｎｆｏｒｍａｔｉｏｎ　ｈｉｄｉｎｇ—ａ　ｓｕｒｖｅｙ［Ｊ］．Ｐｒｏｃ　ＩＥＥＥ，１９９９，８７（７）：１０６２—１０７８．　【１１］陶然，齐林，王越．分数阶Ｆｏｕｒｉｅｒ变换的原理与应用［Ｍ］．北京：清　华大学出版社，２００４．　［１２］刘正君，赵海发，朱邦和，等．分数傅里叶域数字水印算法［Ｊ］．光子　学报，２００３，３２（３）：３３２—３３５．　［１３］王远干，喻洪麟，黄良明．基于Ｍ周期离散分数傅里叶变换的数字　水印算法［Ｊ１计算机应用研究，２００５，２：２２９。２３０．　［３］柏森，胡中豫，吴乐华，等．通信信息隐匿技术【Ｍ］．北京：国防工业　出版社，２００５．　［４］Ｃｏｏｐｅｒｍａｎ　Ｍ，Ｍｏｓｋｏｗｉｔｚ　Ｓ．Ｓｔｅｇａｎｏｇｒａｐｈｉｃ　ｍｅｔｈｏｄ　ａｎｄ　ｄｅｖｉｃｅ：　ＵＳＡ，５６８７２３６［Ｐ］．１９９７—１１．　［５】Ｋｉｍ　Ｈ　Ｊ，Ｃｈｏｉ　Ｙ　Ｈ．Ａ　ｎｏｖｅｌ　ｅｃｈｏ　ｈｉｄｉｎｇ　ｓｃｈｅｍｅ　ｍ　ｂａｃｋｗａｒｄ　ｎｄ　ｆｏｒｗａａｒｄ　ｋｅｍｅｌｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ　Ｃｉｒｃｕｉｔｓ　Ｓｙｓｔ，Ｖｉｄｅｏ　Ｔｅｃｈｎｏｌ，　２００３，１３：８８５—８８９．　［１４］李东明，王典洪，严军，等基于小波与分数傅里叶变换的图像水印　算法［Ｊ］．计算机工程，２００８，３４（８）：１５　１８．　［６】Ｌｉｅ　Ｗｅｎ－Ｎｕｎｇ，Ｃｈａｎｇ　Ｌｉ—Ｃｈｕｎ．Ｒｏｂｕｓｔ　ａｎｄ　ｈｉｇｈ—ｑｕａｌｉｔｙ　ｔｉｍｅ—　ｄｏｍａｉｎ　ａｕｄｉｏ　ｗａｔｅｒｍａｒｋｉｎｇ　ｂａｓｅｄ　ｏｎ　ｌｏｗ—ｆｒｅｑｕｅｎｃｙ　ａｍｐｌｉｔｕｄｅ　［１５］邹露娟，汪波，冯久超．一种基于混沌和分数阶傅里叶变换的数字　水印算法［Ｊ］．物理学报，２００８，５７（５）：２７５０—２７５４．　【１６】陈景良，陈向晖．特殊矩阵［Ｍ］　Ｅ京：清华大学出版社，２００１．　［１７】平先军，陶然，周思永，等．一种新的分数阶傅里叶变换快速算　法［Ｊ］．电子学报，２００１，２９（３）：４０６—４０８．