1  基于分类的自动图像标注算法
   自动图像标注的直观思路是，把标注问题看作是图像语义分类方面的问题。如果把每个语义关键词看作是一个类别标记，那么图像标注问题则可以看成是图像分类问题。所以解决标注问题时，完全可以从图像分类的角度来考虑。然而，与传统图像分类问题不同的是，每一幅图像仅属于某一语义类别。若从关键词的角度进行分析可知，每幅图像的标注可以有若干个关键词，所以可以说标注问题属于一个多标记学习问题[8]。若从整幅图像的角度进行分析可知，标注问题符合典型的多示例学习问题。虽然在具体表达方面，上述这些方法有各自不同的特点，但其中心思想是相同的，即通过已知的标注数据建立一种模型，该模型能够描述出图像特征与标注词间的潜在关联，并且可以预测出未知图像的标注。
   在文献[9,10]中，把自动图像的标注问题看成是多标记学习问题，它主要是通过把多标记学习问题转化成多个单标记的学习问题，从而提出了一种自动图像标注算法，即基于支持向量机（SVM）算法。该算法首先把所有的对该关键词进行标注的训练样本都作为正例样本，把所有的未对该关键词进行标注的训练样本都作为反例样本。其次，再分别对正反例样本的直方图特征进行提取，且据此为给定的关键词进行SVM分类器构建。最后确定未标注的图像。然而，现有的此算法并没有对标注信息的歧义性进行考虑，所以最终所得到的标注性能不是很理想。 图像标注技术的研究现状(2):http://www.youerw.com/yanjiu/lunwen_19228.html