学位论文 > 优秀研究生学位论文题录展示

基于多重特征的图像分类算法研究

作 者: 童辰辰
导 师: 刘云海
学 校: 浙江大学
专 业: 信息与通信工程
关键词: 图像分类 特征检测算子 特征描述算子 多特征通道 稀疏表示
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 12次
引 用: 0次
阅 读: 论文下载
 

内容摘要


随着信息技术的发展,图像分类技术广泛运用于各个领域。传统的图像分类技术一般都是基于单个特征进行分类的,分类性能都不是很好,因此目前的研究趋势是利用多种特征信息进行分类,本文针对如何融合多种特征信息这一难点做了深入研究并提出了一种基于多特征通道的图像分类算法。图像分类主要包括三个过程:图像特征提取、计算图像模式向量和分类器分类,本文对这三个过程做了深入研究。图像的特征提取是影响图像分类性能最重要的一个因素,相比全局特征,局部特征能更好的适应图像背景混杂、局部遮挡、光线变化和几何变换等情况,所以近些年得到了广泛运用。现有已经有很多种特征提取算法被提出,但不同的算法在不同的情况下有着不同的表现,目前还没一种特征提取算法在任何情况都有着优良的表现,而传统的图像分类方法都是只针对某种单独特征进行分类的,这带来了一定局限性。针对这种情况,基于多重特征的图像分类方法已成为研究热点,本文深入研究了基于特征组合的图像分类方法,并分析了这种方法的优缺点,同时提出了一种基于多特征通道的图像分类算法,多特征通道指不同特征检测算子与特征描述算子的组合,最后根据每个通道的分类信息进行综合决策判断从而得到最终的分类结果,实验表明,该算法有效的结合了图像的多种特征信息,对图像的表示更为精细,分类性能相比基于单个特征的分类算法有了显著提升。最后,对本文所做工作进行了总结,制定了下一步研究计划。

全文目录


致谢  4-5
摘要  5-6
Abstract  6-7
目录  7-9
第一章 绪论  9-15
  1.1 研究背景和意义  9
  1.2 研究现状  9-13
    1.2.1 特征提取技术简介  9-11
    1.2.2 图像分类方法简述  11-13
  1.3 主要难点和发展趋势  13
  1.4 本文主要工作与章节安排  13-15
第二章 特征检测与描述  15-32
  2.1 特征检测  15-24
    2.1.1 角点检测算子  15-18
    2.1.2 区域检测算子  18-21
    2.1.3 特征检测算子实验对比  21-24
  2.2 特征描述  24-31
    2.2.1 基于滤波的特征描述算子  24
    2.2.2 基于分布的局部特征描述算子  24-28
    2.2.3 基于轮廓的特征描述算子  28-30
    2.2.4 特征描述方法比较  30-31
  2.3 本章小结  31-32
第三章 图像语义模型  32-45
  3.1 向量空间模型  32-34
  3.2 图像词袋模型  34-40
    3.2.1 词袋模型  34-36
    3.2.2 改进型词袋模型  36-38
    3.2.3 聚类算法  38-40
  3.3 概率潜在语义分析模型  40-44
    3.3.1 潜在语义分析模型  40-41
    3.3.2 概率潜在语义分析模型  41-44
  3.4 本章小结  44-45
第四章 基于多重特征的图像分类算法  45-71
  4.1 传统图像分类算法  45-46
  4.2 基于特征组合的图像分类算法  46-52
    4.2.1 支持向量机  46-48
    4.2.2 MKL  48-50
    4.2.3 LPBoost  50-52
  4.3 基于多特征通道的图像分类算法  52-63
    4.3.1 系统综述  52-53
    4.3.2 特征通道选取原则  53-54
    4.3.3 分类决策模块设计  54-58
    4.3.4 分类器设计  58-63
  4.4 实验结果与分析  63-70
    4.4.1 实验所用数据库  63-64
    4.4.2 实验评价标准  64
    4.4.3 实验设计及结果分析  64-70
  4.5 本章小结  70-71
第五章 总结与展望  71-73
  5.1 工作总结  71
  5.2 进一步工作  71-72
  5.3 研究生阶段主要工作  72-73
参考文献  73-76
作者简历及在学期间所取得的科研成果  76

相似论文

  1. 基于“词袋”模型的图像分类系统,TP391.41
  2. 基于纹理特征的图像分类研究,TP391.41
  3. 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
  4. 基于稀疏表示的立体匹配算法和红外目标的检测与跟踪,TP391.41
  5. 极化SAR图像精细地物分类方法研究与实现,TN957.52
  6. 基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
  7. 基于自适应字典稀疏表示超分辨率重建的视频编码技术,TN919.81
  8. 可变光照和遮挡条件下的人脸识别技术研究及其应用,TP391.41
  9. 基于广义组合多核高斯函数的图像分类方法研究,TP391.41
  10. 基于MRF模型和统计建模的SAR图像地物分类方法研究,TN957.52
  11. 支持向量机遥感图像分类的研究,P237
  12. 基于图谱理论和非负矩阵分解的图像分类,TP391.41
  13. 基于颜色特征的家居设计图像情感语义分类,TP391.41
  14. 视频编码增强预测及后处理的研究,TN919.81
  15. 基于分形理论的遥感影像纹理分析与分类研究,TP751
  16. 基于支持向量机与神经网络的图像分类技术研究,TP391.41
  17. 汉代画像砖羽人图像研究,K879.4
  18. 基于概率图模型的图像分类和注释,TP391.41
  19. 基于非负稀疏表示的文本分类算法研究,TP391.1
  20. 基于量子克隆进化算法的BP神经网络POLSAR图像分类,TN957.52
  21. 视频监控目标分类算法及一体化摄像机研究,TP391.41

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