学位论文 > 优秀研究生学位论文题录展示

基于ELM的图像分类算法研究

作　者: 刘波
导　师: 曹飞龙
学　校:
专　业: 应用数学
关键词: 图像分类图像分割 ELM 曲波变换 EELM
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 256次
引　用: 1次
阅　读: 论文下载

内容摘要

摘要：近年来,机器人科技应用越来越广泛,其核心原理就是利用计算器对外界传感器得到的图像进行内容分析。在获得相应的信息后,对数字化后的有用信息进行处理。根据处理结果,作出决策,让后续计算机程序或者机械执行相应的命令。同时,互联网技术飞速发展的核心问题是海量级的视频图像数据的检索。如何从巨量的信息中快速有效的获取有用信息是成为迫切需要解决的问题。图像分类问题是这两种技术共同关注的焦点。目前,基于机器学习技术的图像分类方法应用最为广泛。总体上来说,首先针对给定的图像提取出最能代表它们的特征数据。这些数据根据一定的模式训练得到所用数学模型的关键参数,于是模型可以对未知图像信息作出判断,并完成图像的分类,即归类到预先设置的类别中。研究中常用的机器学习方法有BP神经网络算法,支持向量机算法等。本学位论文将图像分类与识别作为研究重点。从这个角度入手,在图像中引入最新的理论成果ELM,得到一些很有意义的图像分类算法,这些算法经过实验,快速有效。主要创新点有如下四个方面：(1)在特征提取方面,采用了直方图面积法,同时利用图像的颜色信息和相同颜色相邻像素之间拓扑关系信息,改变了图像分类片面对颜色信息的依赖。在学习模型方面,采用了最为前沿的ELM分类器,在此基础提出上基于ELM的图像分类算法。与其他图像分类算法比较表明本算法快速有效。(2)在采集训练样本方面,为了有效利用人视觉的先验知识,本文采用了人机交互的方式。这样可以根据需要的不同而设置不同的标注。在分类器上,基于快速稳定的EELM算法,提出了基于EELM的人机交互图像分割算法。实验结果表明了此算法的良好性能。(3)图像聚类在图像检索中有很重要的作用,针对传统的图像聚类方法的不稳定性,本文在EKM理论的基础上,结合最新的DLA数据降维算法,提出了基于EKM的图像聚类算法,通过与经典算法相比较,显示本算法稳定且快速有效。(4)提出融合EKM和EELM的图像识别算法,本算法先对图像进行变换,在变换域中进行特征提取。通过EKM对数据聚类,用EELM模型进行训练识别。实验结果展示算法在生物识别领域很有意义。

全文目录

致谢  6-7
摘要  7-9
Abstract  9-11
目录  11-13
图清单  13
表清单  13-14
1 绪论  14-21
  1.1 图像处理概述  14-18
  1.2 图像分类发展  18-19
  1.3 本论文的内容安排  19-21
2 基于ELM的图像分类算法  21-33
  2.1 引言  21
  2.2 ELM算法  21-23
  2.3 支持向量机  23-27
  2.4 图像颜色特征提取  27-29
  2.5 基于ELM的快速图像分类算法与实验  29-30
  2.6 研究工作小节  30-33
3 基于EELM的人机交互图像分割算法  33-39
  3.1 引言  33
  3.2 EELM算法  33-35
  3.3 基于EELM人机交互图像分割算法  35
  3.4 分割实验与分析  35-36
  3.5 研究工作小节  36-39
4 基于EKM的图像聚类算法  39-45
  4.1 引言  39
  4.2 K-MEANS聚类算法  39-40
  4.3 EKM算法  40
  4.4 DLA算法  40-43
  4.5 基于EKM的图像聚类算法与实验  43
  4.6 研究工作小结  43-45
5 基于EKM和EELM融合的图像识别算法  45-55
  5.1 引言  45
  5.2 曲波变换  45-48
  5.3 融合图像分类算法与实验  48-54
  5.4 研究工作小结  54-55
6 总结与展望  55-57
  6.1 研究总结及主要创新成果  55-56
  6.2 进一步研究的问题  56-57
参考文献  57-61
作者简介  61

基于ELM的图像分类算法研究

内容摘要

全文目录

相似论文