谁能推荐自动图像注释 (AIA) 的最佳（最新）调查研究论文？

如今，大量的图像可用。然而，为普通用户检索所需的图像在计算机视觉系统中是一项具有挑战性的任务。在过去的二十年中，已经引入了许多类型的研究来提高图像自动注释的性能，这些研究传统上集中在基于内容的图像检索上。

不过，最近的研究表明，基于内容的图像检索与人类可理解的图像语义之间存在语义鸿沟。因此，该领域的现有研究已经弥合了低级图像特征和高级语义之间的语义鸿沟。弥合语义鸿沟的传统方法是通过使用机器学习技术提取语义特征的自动图像注释 (AIA)。

此外，现有 AIA 技术中使用的图像特征也可以分为区域和全局图像特征（例如塔斯克);基于区域的特征需要图像分割，而全局图像特征是从所有图像中计算出来的。全局图像特征有两种表示；这些是要点和颜色直方图。颜色直方图的提取涉及三种颜色空间（RGB、LAB 和 HSV），这些颜色空间在计算机视觉中使用最多。与综合特征相比，局部特征可以捕获更多语义图像内容。尺度不变特征变换 (SIFT) 和有力的类型描述符通常作为两个受限特征来实现。在本研究中考虑了这两个特征以确保适当的图像表示。两个特征的结构描述如下：

• 一种。低级图像特征：这些是图像中特征或自主实体的组合。它们通过专注于图像的基本微观细节来提供图像组件的特定描述，例如背景、颜色、纹理或形状。
• B.高级功能：这些特征是重要的图像表示属性，因为它们从全局角度表示图像，并且指的是图像的概念或定义。这些特征可以有效地模仿人类的感知系统。

宝宝起名