学位论文 > 优秀研究生学位论文题录展示

多特征融合的图像语义提取与分析

作　者: 王凤姣
导　师: 金汉均
学　校: 华中师范大学
专　业: 计算机应用技术
关键词: 图像语义 M特征 多特征融合 K-Means 支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 1次
引　用: 0次
阅　读: 论文下载
 

内容摘要


近年来,随着互联网的迅猛发展,图像数据也因网络的发展而日益壮大,这些图像数据视觉上千变万化,语义上分散各异,用户越来越迫切需要对大型图像数据库方便快捷地检索,这时图像语义提取与分析技术应运而生。图像语义提取是进行语义分析和图像检索的前提和关键步骤,但是通过图像底层特征很难自动推导出高层语义,所以解决存在“语义鸿沟”一直是图像语义研究的热点。本文着眼于图像的语义提取领域,应用支持向量机技术研究了基于多特征融合的图像语义提取与分析技术。本文首先介绍了几种常见的图像特征描述,包括颜色直方图、灰度共生矩阵、形状轮廓等特征提取方法,还介绍了支持向量机的基本原理和核函数模型,为后续的研究提供了坚定的理论基础。针对传统的多融合特征方法对图像特征提取准确率不高的缺点,本文还运用了串行特征融合和并行特征融合的结合的思想提出本文的M特征提取方法,并且综合它们的优点研究现有多特征融合分类方法的基础上,根据核函数构造方法,提出了一个基于核函数组合的多特征融合分类模型。对图像颜色、纹理及形状特征中的显著特征提取出来并采取本文融合方法获得了本文需要的融合特征即M特征。基于以上的思想基础,本文设计了对比试验,实验结果证明本文的算法效果达到提取较高准确率的语义。最后,由于SVM分类器存在核函数的选择,并且SVM常用的核函数包括径向基核函数,线性核函数,多项式核函数和Sigmoid核函数。本文采取了径向基核函数,并将K-Means聚类分析方法融入到SVM分类器,本文还分析了这种方法存在的不足,并做了相关的改进。提出了改进的K-SVM是将底层特征映射到高层语义的是本文实现研究结果的关键。本文对此算法也设计了对比试验,实验结果证明本文的算法效果达到提取较高准确率的语义。

全文目录


摘要  5-6
Abstract  6-7
目录  7-9
第一章 绪论  9-15
  1.1 研究背景及意义  9-10
  1.2 国内外研究现状  10-11
  1.3 本文研究思路  11-12
  1.4 文章的主要工作与结构安排  12-15
    1.4.1 本文的主要工作  12-13
    1.4.2 论文的组织结构安排  13-15
第二章 图像语义相关基础概述  15-28
  2.1 颜色特征提取算法  15-19
    2.1.1 颜色空间  16
    2.1.2 颜色直方图  16-18
    2.1.3 颜色特征其他提取方法  18-19
  2.2 纹理特征提取算法  19-22
    2.2.1 空间灰度共生矩阵  19-21
    2.2.2 其他纹理特征提取方法  21-22
  2.3 形状特征提取算法  22-24
    2.3.1 边界轮廓线提取形状算法  22-23
    2.3.2 形状特征提取其他方法  23-24
  2.4 用于语义提取的SVM  24-28
    2.4.1 SVM原理  24-26
    2.4.2 核函数  26
    2.4.4 其他的语义提取方法  26-28
第三章 图像多特征融合提取  28-36
  3.1 多特征融合方法概述  28-29
  3.2 M特征提取算法  29-30
  3.3 问题的描述与求解  30-33
  3.4 实验结果及分析  33-35
    3.4.1 实验环境及实验数据  33-34
    3.4.2 实验结果及分析  34-35
  3.5 本章小结  35-36
第四章 SVM图像语义提取与分析  36-49
  4.1 基于K-Means的SVM图像语义提取  36-39
    4.1.1 K-Means聚类算法  36-37
    4.1.2 K-Means算法具体流程  37-38
    4.1.3 基于K-Means聚类算法的多类分类方法  38-39
    4.1.4 K-SVM算法的应用分析  39
  4.2 改进的K-SVM语义提取方法  39-43
    4.2.1 ISODATA算法  39-43
    4.2.2 改进的K-SVM图像语义提取  43
  4.3 改进K-SVM语义映射具体实现  43-45
    4.3.1 划分训练集和测试集  44
    4.3.2 图像选择  44-45
  4.4 实验结果  45-47
  4.5 实验分析  47-49
第五章 总结与展望  49-51
  5.1 总结  49-50
  5.2 展望  50-51
参考文献  51-55
硕士期间发表的论文  55
软件著作权  55
参与项目  55-56
致谢  56

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  3. 钢在建筑中的技术表现力研究,TU-0
  4. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  5. 基于支持向量机的故障诊断方法研究,TP18
  6. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  7. 江蓠为基质的双齿围沙蚕亲体培育及个体早期发育研究,S968.9
  8. 2005-2009年郑州市金水区乙类和丙类传染病流行特征,R181.3
  9. 高血压前期证候特征研究,R259
  10. 基于核方法的高光谱图像异常检测算法研究,TP751
  11. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  12. 基于聚类分析的P2P流量识别算法的研究,TP393.02
  13. 基于相似度计算的编程题自动评判方法研究,TP312.1
  14. 河南省乙型脑炎病毒的分离鉴定及分子特性分析,S852.65
  15. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  16. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  17. 茶叶消费者行为特征及营销策略分析,F274
  18. 江苏省典型区域农村地表水环境现状空间分析及污染评价,S271
  19. 江淮历代小麦主栽品种生产力与氮肥效率的比较研究,S512.1
  20. 中国优秀冰壶运动员专项体能结构特征研究,G862.6
  21. K-means聚类优化算法的研究,TP311.13

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