一、提要
为了提高图像检索的准确率，同时避免手工标注存在的缺陷，图像自动标注技术已经成为研究热点问题。图像自动标注是指利用计算机自动地对图像特征进行提取，通过标注算法建立起低层特征和高层语义概念之间的联系，产生一组能够描述图像视觉内容的文本标记词汇。“语义鸿沟” 可以通过自动标注使其得到较好的缓解，所以在图像检索中使用现在发展成熟的文本检索技术，可以使检索变得更快，且效率更高。
二、关键词
图像标注 传播模型
三、当前国内外研究形势
就方法而言，对图像进行标注主要有三种：全人工标注、半自动标注和全自动标注。其中，全人工标注由工作人员对图像库中每一幅图像进行手工标注，这是一项费时费力的工作，因此半自动和全自动标注是今后的研究重点。顾名思义，全自动标注由系统自动执行对图像的标注，而不需要人进行手工标注，由此产生一个或多个对图像进行描述的关键字。然而，由于目前计算机视觉和图像处理的水平有限，自动标注产生的关键字还不是很准确。因此，有些研究人员从图像库中划分出一个集合，对集合中的图像进行手工标注，这样，产生的初始集合中的图像与标注的关键字之间的关系是准确可靠的。将这种关系应用到新图的标注，无疑会提高系统标注的准确度。
首先，图像检索余图像标注密切相关，最经典的是谷歌的PageRank，它是用来标识网页的等级的一种方法，它有两种核心思想：一个网页被其他多个链接，则其PageRank值相对高，而PageRank值高的链接到一个其他网站，则被链接网站会相应地提高。并且这个算法适用范围很广泛，相应的在图像检索和图像标注方面，其也具有很高的适用性。早期Google能击败所有竞争对手，很大程度上是因为它解决了困扰前辈们的最大难题：对搜索结果按重要性排序。而解决这个问题的算法就是PageRank。
参考《一种自适应的Web图像语义自动标注方法》，这篇文章采用了与Google图像搜索引擎相似的方法：利用图像的关联文本信息，将图像检索转换为文本检索。不过作者在此基础上对其性能进行优化，他们将关联文本权重分布估计和先验知识约束有机地结合起来，对Web图像语义在其关联文本上的分布进行建模。
在对图像搜索方面进行了解之后 ，参考《基于语义自动标注算法的图像检索系统研究》一文，作者详细讲述了图像检索与图像标注的关系：由于基于内容的图像检索系统存在诸如查询过程不直观、系统响应通常比较 慢等特点，人们更期待能避免使用图像低层特征进行匹配，而使用语义层次的查询方式来取代，再加上“语义鸿沟”的存在，于是出现了自动图像标注算法。
