学位论文 > 优秀研究生学位论文题录展示
基于局部不变特征的图像分类研究
作 者: 黄飞
导 师: 景晓军
学 校: 北京邮电大学
专 业: 通信与信息系统
关键词: 局部不变特征 图像分类 词包模型 概率潜在语义分析
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 69次
引 用: 0次
阅 读: 论文下载
内容摘要
随着数字技术的发展,如何有效组织、检索、分类大量图像信息成为热点研究课题,图像分类方法是其中的一项关键技术。本文研究了基于局部不变特征的图像分类方法,包括基于多码书词包模型的图像分类技术和基于概率潜在语义分析的改进型图像分类算法两个主要方面。论文主要贡献如下:一、提出了基于局部特征显著性准则的类属码书生成方法,并设计了基于多码书的多类分类器。图像的词包模型(BoW)可以有效利用局部不变特征,近年来在图像分类等领域应用十分广泛。码书生成是BoW模型中的重要技术,本文提出的类属码书生成算法在一定程度上避免了直接采用K-均值等方法聚类时造成的码书辨别性损失的问题。基于多码书的多类分类器在有效利用各个码书的辨别性的同时,降低了BoW向量的维度,也方便了新增类别的添加。二、提出了结合空间信息的概率潜在语义分析(pLSA),并应用于场景分类。在BoW模型中,视觉词汇通过特征聚类而来,难免会产生一些同义词和多义词。pLSA可以有效的解决BoW的多义词和同义词现象。但是,一般基于pLSA的图像分类方法,并没用利用图像的空间信息。空间信息对于图像分类任务是非常重要的,本课题在pLSA中加入空间信息,提高了分类准确率。这里的空间信息包括两个部分,一是将各个视觉词汇的邻域词汇作为上下文信息,二是各个潜在主题的空间位置信息。最后在上述理论基础上设计仿真实验,结果符合预期,较好地验证了理论研究的结论和实际应用的可行性。
|
全文目录
摘要 4-5 ABSTRACT 5-7 目录 7-9 第一章 绪论 9-19 1.1 研究背景 9-11 1.2 研究内容与现状 11-17 1.2.1 图像局部特征 12-15 1.2.2 基于局部特征的图像描述 15-16 1.2.3 图像分类方法 16-17 1.3 本文主要工作与章节安排 17-19 第二章 基于局部不变特征图像分类的关键技术 19-35 2.1 相似性度量 19-21 2.2 词包模型 21-24 2.2.1 词包模型的构建 21-22 2.2.2 聚类算法 22-24 2.3 局部特征的检测与描述 24-31 2.3.1 局部特征的检测 24-28 2.3.2 局部特征的描述方法 28-31 2.4 常用分类技术 31-34 2.4.1 朴素贝叶斯 32 2.4.2 K近邻算法 32 2.4.3 支持向量机 32-34 2.5 本章小结 34-35 第三章 基于多码书BoW的图像分类 35-47 3.1 基于类属词汇的码书构建框架 35-37 3.1.1 码书生成框架 35-36 3.1.2 特征选择 36-37 3.2 基于特征点显著度的类属码书生成算法 37-42 3.2.1 特征点的显著度度量方式 38-41 3.2.2 类属码书的码字提取 41-42 3.3 基于多码本的分类器设计算 42-43 3.4 实验方法与实验结果 43-46 3.4.1 实验数据集 43 3.4.2 实验设置与实验结果 43-46 3.5 本章小结 46-47 第四章 基于结合空间信息的pLSA的场景分类 47-65 4.1 概率潜在语义分析 48-52 4.1.1 期望最大化算法 49-50 4.1.2 概率潜在语义分析求解 50-52 4.2 基于邻域词汇pLSA的场景图像分类 52-57 4.2.1 cw-pLSA 52-54 4.2.2 基于KL距离的邻域词相似性度量 54-55 4.2.3 实验方法与实验结果 55-57 4.3 基于潜在主题空间分布pLSA的场景图像分类 57-64 4.3.1 潜在主题空间分布pLSA 57-59 4.3.2 基于背景语言模型的有监督pLSA 59-60 4.3.3 实验方法与实验结果 60-64 4.4 本章小结 64-65 第五章 总结与展望 65-67 参考文献 67-71 致谢 71-72 作者攻读硕士学位期间发表的论文 72
|
相似论文
- 基于“词袋”模型的图像分类系统,TP391.41
- 基于纹理特征的图像分类研究,TP391.41
- 基于组合及统计的图像型垃圾邮件检测研究,TP391.41
- 极化SAR图像精细地物分类方法研究与实现,TN957.52
- 结合稀疏编码的图像生物视觉特征提取研究,TP391.41
- 基于扩展监督主题模型的高分辨率合成孔径雷达图像的分类与标注,TN957.52
- 基于轮廓的图像局部不变特征检测方法研究,TP391.41
- 面向情感的电影背景音乐分类方法研究,TP391.1
- 基于学习与交互的本征图像求解方法研究,TP391.41
- 基于ML_pLSA模型和特征包算法的目标识别方法,TP391.41
- 基于内容的商品图像分类技术研究,TP391.41
- 基于局部不变特征的图像匹配技术研究,TP391.41
- 导弹电视导引头图像匹配算法研究,TP391.41
- 基于内容的视频场景分析方法研究,TP391.41
- 多特征结合与支持向量机集成在图像分类中的应用,TP391.41
- 特征点匹配技术在无人机影像匹配中的研究与应用,TP391.41
- 局部描述特征结合概率潜在语义模型的场景分类技术研究,TP391.41
- 基于语义分析的产品评论挖掘技术研究,TP391.1
- 基于分类及相似性的图像型垃圾邮件检测技术研究,TP393.098
- 基于场景语义图像标注关键技术的研究,TP391.41
- 基于Web的汽车产品评论观点挖掘方法研究,U462
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|