学位论文 > 优秀研究生学位论文题录展示

基于局部特征和概率图模型的图像分类识别方法研究

作　者: 李远
导　师: 李文辉
学　校: 吉林大学
专　业: 计算机应用技术
关键词: 图像分类识别局部特征概率图模型 LSR-pLSA
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 584次
引　用: 0次
阅　读: 论文下载

内容摘要

本文对图像分类识别方法进行了深入地分析和研究,提出了用于物体分类识别的概率潜在语义分析模型的一种改进模型——局部区域空间关系(LSR-pLSA)模型,并给出了这种模型的实现算法。模型通过向量量子化从图像中提取出的局部特征的描述符得到视觉单词的特征码书,并将抗缩放和仿射变换的局部区域表示方法引入到模型中,从而能够描述物体各部分间的空间关系,并采用期望值最大化(EM)方法学习这种模型。本文提出的模型将传统的“bag-of-keypoints”模型和空间关系模型的优点结合起来,是一种非监督学习的,可抵抗几何变换的和能够描述物体各部分间的空间关系的稠密模型。在标准测试图像库上的实验表明了该算法在抵抗平移、旋转、尺度缩放和仿射变换等难点问题上具有优势。

全文目录

提要  4-7
第一章导论  7-12
  1.1 问题综述  7-8
  1.2 研究动机  8-9
  1.3 难点  9-10
  1.4 主要内容  10-11
  1.5 本文组织  11-12
第二章对象分类识别中的问题  12-20
  2.1 识别  12-13
  2.2 学习  13-15
  2.3 表示  15-20
第三章特征提取方法  20-31
  3.1 检测器  20-27
    3.1.1 使用一阶导数  22-23
    3.1.2 使用二阶导数  23-24
    3.1.3 不使用导数  24-26
    3.1.4 仿射协变检测器  26
    3.1.5 检测器的性能  26-27
  3.2 描述符  27-31
    3.2.1 灰度值  28-29
    3.2.2 图像矩  29
    3.2.3 不变矩  29
    3.2.4 滤波器  29-30
    3.2.5 SIFT  30-31
第四章概率图模型  31-43
  4.1 引言  31-32
  4.2 表示方法  32-35
  4.3 概率推理算法  35-39
  4.4 参数学习  39-43
    4.4.1 全部数据的ML学习  40
    4.4.2 隐藏变量的ML学习  40-43
第五章概率潜在语义分析方法及其改进  43-60
  5.1 “bag-of-keypoints”模型  43-44
  5.2 概率潜在语义分析  44-49
    5.2.1 文本分类的pLSA  45-47
    5.2.2 图像分类的pLSA  47-49
  5.3 LSR-pLSA模型  49-56
    5.3.1 pLSA的缺陷  49-50
    5.3.2 局部空间关系  50-52
    5.3.3 模型结构  52-55
    5.3.4 实现细节  55-56
  5.4 实验结果  56-60
    5.4.1 图像数据  56
    5.4.2 物体―背景分类  56-57
    5.4.3 多类分类  57
    5.4.4 同概率的不同种类图像分类  57-58
    5.4.5 多种图像尺寸的图像分类  58-60
第六章总结与展望  60-62
  6.1 本文工作总结  60-61
  6.2 未来工作展望  61-62
参考文献  62-69
摘要  69-72
Abstract  72-76
致谢  76-77
导师及作者简介  77

基于局部特征和概率图模型的图像分类识别方法研究

内容摘要

全文目录

相似论文