版權(quán)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(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、伴隨著圖像處理技術(shù)、多媒體技術(shù)的迅速發(fā)展和日常生活的需要,時時刻刻都會產(chǎn)生大量的圖像,同時隨著計算機(jī)網(wǎng)絡(luò)逐漸普及,圖像的傳播速度也在不斷提高,而且圖像在諸多領(lǐng)域都有重要的科研應(yīng)用價值。面對如此龐大的圖像信息資源,如何對之進(jìn)行有效的管理是目前面臨的首要問題,圖像分類技術(shù)是解決該問題的重要途徑。
本文圍繞圖像分類技術(shù)展開研究,重點(diǎn)分析了圖像分類涉及到的關(guān)鍵技術(shù),研究了圖像底層特征和感興趣區(qū)域?qū)D像分類的影響。本文的創(chuàng)新點(diǎn)和主要工作
2、安排如下:
1.在分析圖像分類研究現(xiàn)狀及存在問題的基礎(chǔ)上,研究了特征提取、分類算法等圖像分類關(guān)鍵技術(shù)。提出一種基于特征加權(quán)和支持向量機(jī)進(jìn)行圖像分類的算法,該算法充分考慮了與分類強(qiáng)相關(guān)和弱相關(guān)的圖像底層特征對圖像分類的影響。
2.在傳統(tǒng)的基于圖像全局特征的圖像分類框架之上,針對圖像中目標(biāo)所在的位置以及人類的視覺心理特征,提出在感興趣區(qū)域的基礎(chǔ)上結(jié)合特征加權(quán)和支持向量機(jī)的圖像分類方法。實(shí)驗(yàn)結(jié)果表明,在有效提取圖像感興趣區(qū)
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于加權(quán)多特征融合和SVM的圖像分類研究.pdf
- 基于底層特征和SVM的圖像分類.pdf
- 基于SVM的肺部CT圖像特征提取及分類研究.pdf
- 基于SVM的圖像分類研究.pdf
- 基于SVM的圖像分類.pdf
- 基于SVM圖像分類方法的研究.pdf
- 基于SVM的醫(yī)學(xué)圖像分類.pdf
- 基于SVM分類的圖像邊緣檢測研究.pdf
- 基于SVM方法的醫(yī)學(xué)圖像分類研究.pdf
- 基于多特征融合和SVM分類的圖像檢索技術(shù)研究.pdf
- 肺結(jié)節(jié)CT圖像特征提取及SVM分類方法研究.pdf
- 基于SVM的食物圖像分類算法的研究.pdf
- 基于SVM語義分類和視覺特征提取的圖像檢索方法研究.pdf
- 基于SVM的油茶害蟲圖像模式分類方法研究.pdf
- 基于SVM和組合特征的分類算法研究.pdf
- 基于SVM的圖像分類與檢索技術(shù)的研究.pdf
- 基于SVM的圖像分類與標(biāo)注方法的研究.pdf
- 基于ENVI的遙感圖像特征分析及圖像分類.pdf
- 基于多特征融合與SVM的圖像檢索研究.pdf
- 基于紋理特征的圖像分類研究.pdf
評論
0/150
提交評論