基于深度学习的编码器-解码器框架在图像描述生成领域取得了很大的成就,它的本质是利用卷积神经网络挖掘图像中所蕴含的信息并进行编码,再利用循环神经网络来将此编码转换成逻辑清晰的文字描述。该方法既能极大程度上挖掘出图像所蕴含信息,又能生成语法正确同时具有一定逻辑的图片描述,成功的提升了图像描述生成的准确性以及实用性。但是已有的研究大多仅挖掘了图像内部的语义信息,难以准确的获取图像中存在的类别间以及物体间的拓扑关系,而在描述一张图片的过程中,人们通常会考虑到不同类别间以及主要物体之间的拓扑关系。因此本文提出了基于空间拓扑关系的图像描述生成方法,主要研究重点和工作内容总结如下:(1)在图像描述生成过程中图像的编码阶段,卷积神经网络无法提取到不同类别间的拓扑关系。根据这一信息缺失,本文引入图像中不同类别间的拓扑关系来提升生成描述的质量。本文首先定义了图像中不同类别之间的拓扑关系,通过卷积神经网络处理不同类别的热力图,得到不同类别间的拓扑关系编码,再将一张图片中存在的所有类别间的拓扑关系编码与图像的特征向量通过神经网络共同编码到描述生成的过程中,满足了图像描述生成过程对不同类别之间拓扑关系这一信息的需求,提升了生成描述的质量。(2)由于类别种类繁多,而每一张图片中含有的类别数量相对较少,因此本文根据图像本身,引入图片中所有物体间拓扑关系来提升描述质量。本文定义了图像中不同物体间的拓扑关系编码,通过预处理图像,得到图像中不同物体的边界框(bounding box),对不同物体的边界框的内部的信息以及不同的物体间的位置关系进行编码从而得到不同物体间拓扑关系编码,再通过运用注意力机制将图片中不同物体之间的拓扑关系编码在描述生成的不同时刻赋予不同的权重,从而准确的将这些信息嵌入到描述生成阶段中,使生成的描述内容更加完善。(3)最后,本文在MS COCO、Flickr30k数据集上对文中提出的两种方法进行了实验验证。同时,将实验结果和已有算法的实验结果进行对比。结果表明,相对于传统方法,在引入拓扑关系之后,图像所生成的文字描述在部分评价标准上确实有所提高,对图像中不同类别的描述能力以及物体间关系体现程度有所增强。本文还特别对传统算法生成失败描述的一部分图片进行单独验证,其中一些图片通过本文提出的算法生成的描述远好于已有算法生成的描述。整体而言,所生成的描述也更符合人类的语言逻辑。