学位论文 > 优秀研究生学位论文题录展示
基于中层特征表示的图像分类研究
作 者: 赵悦
导 师: 于剑
学 校: 北京交通大学
专 业: 计算机科学与技术
关键词: 词袋模型 视觉词 视觉短语 局部二值模式
分类号: TP391.41
类 型: 硕士论文
年 份: 2014年
下 载: 43次
引 用: 0次
阅 读: 论文下载
内容摘要
随着互联网技术的高速发展,网络中积累了大量的数字图像和视频数据,这些数据为人们的使用带来了新的技术挑战。为此,许多专家学者对图像分类、图像检索、目标识别等领域进行了相关研究,而图像特征提取是这些研究的基础工作。图像特征提取是将图像映射到特征集合的过程,针对图像特征提取,目前已经提出了许多优秀的算法,这些算法可以根据语义表达能力的不同进行分类。其中,基于中层语义的特征表示因其性能较好而成为人们关注的研究对象。本文对典型的底层特征表示和中层特征表示进行了分析和改进,并通过图像分类实验对性能进行了验证,具体工作如下:第一,提出了一种基于词袋模型(BoW)的图像空间语义中层特征方法。由于BoW及其改进方法假设视觉词间相互独立,而这种假设忽视了视觉词间的关联性,所以本文提出了结合空间语义信息的图像特征表示方法。该方法通过计算图像中视觉词间的分布距离提取相似的视觉词,组成视觉短语,融入图像的全局空间信息;同时,在这些视觉短语中提取具有语义代表性的视觉短语,建立短语词典来加入图像的语义信息。结合视觉词间的这两种信息,构成新的图像空间语义特征。在UIUC-Sports8图像库和Scene-15图像库进行图像分类实验,实验结果表明这种结合空间语义信息的特征具有更好的分类准确率。第二,对局部二值模式(LBP)进行改进:1)提出了一种基于LBP的纹理短语特征方法;2)提出了一种基于BoWL的图像空间语义特征方法。实验表明,这两种方法都取得了较好的图像分类效果。最后,针对当前网络图像特征方法的实际情况,以及LBP的简单性和较好的表达力,本文还研究了LBP对实际网络图像分类的作用,通过实验结果可以看出该方法能够有效地对网络文字图像进行表示。
|
全文目录
致谢 5-6 摘要 6-7 ABSTRACT 7-10 1. 引言 10-14 1.1 研究背景 10 1.2 课题研究意义 10-11 1.3 国内外发展现状 11-13 1.3.1 特征方法发展现状 11-12 1.3.2 场景图像分类发展现状 12-13 1.4 论文主要工作 13-14 2 图像底层特征表示方法 14-28 2.1 颜色特征提取 14-15 2.2 灰度直方图 15-16 2.3 纹理特征提取 16-18 2.4 尺度不变性特征 18-28 2.4.1 图像尺度空间 18-19 2.4.2 图像金字塔 19-21 2.4.3 尺度不变性特征变换(SIFT) 21-28 3 图像中层特征表示方法 28-36 3.1 图像语义信息 28-30 3.1.1 图像语义的概念 28 3.1.2 语义鸿沟 28-29 3.1.3 图像语义的层次 29-30 3.2 词袋模型BoW 30-32 3.3 基于BoW的LDA分类 32-33 3.4 基于BoW的空间金字塔 33-36 4 结合空间语义信息的图像特征 36-49 4.1 改进的中层语义特征 36-41 4.1.1 空间信息方法 37-39 4.1.2 语义信息方法 39-41 4.2 结合空间语义信息的视觉词短语方法 41-47 4.2.1 底层特征提取 41-42 4.2.2 提取视觉词对 42-45 4.2.3 计算短语词典 45-46 4.2.4 形成短语特征 46-47 4.3 图像分类器 47-49 5 图像分类实验 49-54 5.1 UIUC-Sports8图像库 49-51 5.2 Scene-15图像库 51-54 6 基于纹理的中层特征研究 54-68 6.1 纹理特征的发展 54-55 6.2 改进LBP特征方法 55-61 6.2.1 传统LBP特征 56-59 6.2.2 多尺度LBP金字塔 59-60 6.2.3 基于LBP的词袋模型 60-61 6.3 基于LBP的空间语义特征 61-68 6.3.1 基于LBP的纹理短语特征 62-64 6.3.2 基于BoWL的空间语义特征 64-65 6.3.3 基于LBP的网络图像分类 65-68 7 结束语 68-69 参考文献 69-74 作者简历 74-76 学位论文数据集 76
|
相似论文
- 基于“词袋”模型的图像分类系统,TP391.41
- 基于特征描述的图像匹配方法研究,TP391.41
- 基于流形学习的人脸识别算法研究,TP391.41
- 基于时空关键点的动作识别算法研究,TP391.41
- 基于空间邻域词袋模型的图像标注技术,TP391.41
- 基于SIFT的视觉跟踪算法研究,TP391.41
- 基于特征融合的人脸识别算法研究,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
- 新闻视频故事单元关联分析技术研究,TP391.41
- 基于显著区域的图像语义分类方法研究,TP391.41
- sIB算法在图像无监督分类中的应用研究,TP391.41
- 基于新型局部二值模式的视频分割方法研究,TP391.41
- 基于中层语义的图像场景分类算法研究,TP391.41
- 视觉对象分类:多核多示例学习,TP391.41
- 基于兴趣点和形状特征的动作识别,TP391.41
- 基于EMD的虹膜识别方法研究,TP391.41
- 基于视频的远距离人脸检测与识别,TP391.41
- 基于局部特征分析的人脸表情识别问题研究,TP391.41
- 大规模图像搜索中的图像表示模型,TP391.41
- 基于语义主题模型的图像场景分类研究,TP391.41
- 基于场景外观建模的移动机器人视觉闭环检测研究,TP242
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
|