摘要：图像数据渐渐成为互联网时代的主要媒体形式之一，图像数据的理解与组织管理工作正在处于起步阶段，场景识别是图像理解的重要组成部分。在同一个语义场景下，图像的内容是不一样的，使用抽象语义特征进行场景识别的方法比图像标注抽象级别更高，传统基于视觉特征的方法比较直观，底层特征的特征描述能力强，但抽象能力弱，单纯的使用基于视觉特征的方法，很难较好的描述场景，因此使用抽象语义特征的方法能够更好地进行场景识别。通过采用主题的方法（基于PLSA模型），对PLSA模型进行训练，采用CCA算法进行多种特征融合。

关键词：主题模型；典型相关分析；语义特征

目录

摘要

Abstract

1 绪论-1

1.1 项目背景及意义-1

1.2 国内外研究现状-1

1.3 拟解决的问题和研究内容-1

1.3.1项目涉及的问题-1

1.3.2研究内容-2

2 相关理论基础-3

2.1 主题模型-3

2.1.1 主题模型发展历史-3

2.1.2 主题模型分类-3

2.2 典型相关分析-3

2.2.1 CCA相关原理-3

2.2.2 CCA实质-4

2.3语义层次-4

2.4 VGG16-4

2.5 CBIR-5

3 算法分析与设计-6

3.1选择数据集-6

3.2 PLSA模型设计-6

3.3 CCA算法分析-6

4基于PLSA模型的场景识别-10

4.1 传统方法-10

4.2 PLSA模型-10

4.2.1 PLSA模型理解-10

4.2.2 EM算法-10

4.3流程描述-11

4.4模型训练-12

4.5实验结果-13

5典型相关分析算法进行特征融合-14

5.1 CCA理解-14

5.2 CCA算法描述-14

5.3 CCA算法流程-17

5.4 实验结果-17

结    论-18

参 考 文 献-19

致    谢-20