版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著計算機技術、互聯(lián)網(wǎng)技術的發(fā)展,網(wǎng)絡中涌現(xiàn)出了海量的圖像,如何有效管理和利用這些圖像成為了亟待研究的課題。解決該問題的突破口就是數(shù)字圖像處理技術中的圖像自動分類技術。
然而,圖像自動分類技術一直是困擾圖像標注、圖像檢索發(fā)展的學術性難題。目前,在很多的圖像分類系統(tǒng)中仍然是利用人工手動分類。由于網(wǎng)絡中日益產(chǎn)生大量的圖像,利用人工手動分類存在著工作量大而乏味,工作人員眼睛極易疲勞且效率低下,分類結果容易受分類人員主觀因素影響而
2、產(chǎn)生語義分歧等問題。因此,圖像的自動分類得到了更多的重視。圖像自動分類方法利用計算機視覺原理來代替人工進行圖像分類,不僅可以提高效率,降低操作人員的勞動強度,而且使得分類結果更為客觀。
本文對圖像的自動分類展開研究,當前在圖像分類領域里應用較為廣泛的詞袋模型是本文分析研究的重點。傳統(tǒng)的詞袋模型的特征表示方式,在提取SIFT特征時需要構造多尺度的極值空間導致計算復雜,并且對局部區(qū)域所提取的特征點數(shù)目不夠導致描述能力不足。針對
3、以上不足,本文提出一種不需要構造極值空間,而是通過網(wǎng)格直接提取單尺度SIFT特征點并進行特征描述,形成詞袋模型的圖像分類方法。該方法直接通過網(wǎng)格確定特征點提取位置,不但在提取更多特征點時沒有增加計算量,而且注重兼顧局部特征的全局性,使得在形成視覺詞典之后,視覺單詞之間的類間差別更大,從而更有利于利用SVM的分類。通過實驗證明單尺度SIFT詞袋模型比常規(guī)SIFT詞袋模型在查全率、查準率、綜合指標等三方面都有所提高。
由于提出
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于詞袋模型的圖像分類方法研究.pdf
- 基于詞袋模型的圖像分類研究.pdf
- 基于詞袋模型的圖像分類算法研究.pdf
- 基于“詞袋”模型的圖像分類系統(tǒng).pdf
- 基于詞袋模型的圖像分類系統(tǒng).pdf
- 基于詞袋模型的圖像分類的研究.pdf
- 基于詞袋模型的圖像分類技術研究.pdf
- 基于詞袋模型和本體的圖像分類研究.pdf
- 基于詞袋模型和本體的圖像分類研究
- 基于改進詞袋模型的圖像分類算法研究.pdf
- 視覺詞袋模型架構下的圖像分類算法研究.pdf
- 基于詞袋模型和遷移學習的圖像分類算法研究.pdf
- 基于詞袋模型和關聯(lián)規(guī)則的醫(yī)學圖像分類研究.pdf
- 視覺詞袋模型的改進及其在圖像分類中的應用.pdf
- 30877.基于擴展詞袋模型的空間場景分類方法研究
- 基于視覺詞袋模型的高分辨率遙感圖像分類研究.pdf
- 視覺詞袋模型的改進及其在圖像分類中的應用研究.pdf
- 基于視覺詞袋模型的圖像標注研究.pdf
- 基于詞袋模型的圖像檢索與分類系統(tǒng)的設計與實現(xiàn).pdf
- 21630.高空間分辨率遙感圖像多級詞袋分類方法研究
評論
0/150
提交評論