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),請進行舉報或認領(lǐng)
文檔簡介
1、基于內(nèi)容的圖像檢索(Content-BasedImageRetrieval,簡稱為CBIR)技術(shù)發(fā)展到今天,在取得一定成功的同時,也面臨著極大的挑戰(zhàn)。如何提取能充分表達圖像內(nèi)容的低層特征,以及如何在圖像的低層特征和高層語義之間建立關(guān)聯(lián)一直是基于內(nèi)容圖像檢索技術(shù)中尚未完全解決的問題。支持向量機方法(SupportVectorMachine,簡稱為SVM)是近年來興起的一種基于結(jié)構(gòu)風(fēng)險最小化的機器學(xué)習(xí)方法,在模式識別的許多領(lǐng)域都有很好的應(yīng)用
2、。本文主要研究在圖像識別、圖像分類、圖像檢索這一特定領(lǐng)域,利用支持向量機良好的泛化能力,借助圖像的的低層特征表示,學(xué)習(xí)圖像的高層類別屬性,并以此為基礎(chǔ),嘗試構(gòu)建能部分表達高層語義的圖像特征表示,從而提高檢索系統(tǒng)的識別能力,使其能夠真正達到實用。 論文首先研究了圖像的低層特征表示問題。各種基于顏色直方圖的圖像特征表示在基于內(nèi)容的圖像檢索中有著廣泛的應(yīng)用,但它們的高維特性引發(fā)的昂貴計算代價卻限制了它們的進一步應(yīng)用。論文剖析了現(xiàn)有的多
3、種各具特色的基于顏色直方圖的圖像特征表示在用于圖像識別時的冗余性,并在不損失這些高維圖像特征表示識別能力前提下采用主成分分析方法有效消除其冗余性。 彩色圖像自動歸于語義類別的研究對于在大型圖像數(shù)據(jù)庫中圖像的瀏覽和檢索有著重要的意義,但借助低層視覺特征進行圖像自動分類又是一項難度很大的工作。支持向量機方法將分類問題和回歸問題轉(zhuǎn)化為二次規(guī)劃問題,使分類更加精確,克服了傳統(tǒng)分類方法如神經(jīng)網(wǎng)絡(luò)等的結(jié)構(gòu)和權(quán)重的不確定性等缺點,但同時也增大
4、了計算量。論文提出了一種基于壓縮顏色直方圖和支持向量機的彩色圖像自動分類策略,采用五種不同的基于顏色的直方圖特征向量表示彩色圖像的內(nèi)容,采用主成分分析方法消除高維直方圖特征向量的噪音(不相關(guān)信息),并降低特征向量的維數(shù),再把降低維數(shù)以后的直方圖送進支持向量機訓(xùn)練分類器,利用支持向量機方法從這些基于顏色的圖像低層特征表示中學(xué)習(xí)圖像的類別特征,并進行彩色圖像的自動歸類。論文的研究成果可以一方面可以在提高系統(tǒng)識別能力的基礎(chǔ)上有效減少相關(guān)反饋的
5、計算代價,提高系統(tǒng)的響應(yīng)速度;另一方面較小的特征向量維數(shù)使得系統(tǒng)在可用樣本較少的情況下也可以重新分類,因而能有效改進基于內(nèi)容的圖像檢索系統(tǒng)的的可用性。 基于內(nèi)容的圖像檢索無法真正支持基于語義的圖像檢索,其關(guān)鍵性的局限在于只涉及了圖像視覺特征,而沒有利用知識進一步挖掘圖像的語義內(nèi)涵。論文提出一種基于支持向量機分類器的圖像潛在語義特征(SVMsClassifierBasedImageDescriptor,簡稱為SCBID)的提取方法
6、,結(jié)合SCBID特征和不同用戶的不同檢索目的,論文提出三種不同的的圖像檢索策略。SCBID特征提取方法在繼承了傳統(tǒng)低層圖像特征表示固有優(yōu)點的同時,借助支持向量機強大的學(xué)習(xí)能力融合了圖像的類別屬性以及語義信息。實驗結(jié)果表明基于SCBID方法的三種檢索策略其檢索效果盡管略有不同,但都好于傳統(tǒng)的基于直方圖的檢索策略,并能實現(xiàn)一定程度的語義檢索,而且這種基于機器學(xué)習(xí)方法的特征提取減輕了檢索系統(tǒng)相關(guān)反饋對用戶的過度依賴,另外,較之傳統(tǒng)直方圖SCB
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(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
- 基于支持向量機的圖像檢索.pdf
- 基于支持向量機的圖像檢索方法的研究.pdf
- 基于支持向量機的圖像分類方法研究.pdf
- 基于內(nèi)容的支持向量機圖像檢索方法研究.pdf
- 基于對支持向量機的醫(yī)學(xué)圖像分類研究.pdf
- 基于支持向量機的高光譜圖像分類研究.pdf
- 基于特征選擇和支持向量機的紋理圖像分類.pdf
- 支持向量機遙感圖像分類的研究.pdf
- 基于支持向量機和模糊后處理的遙感圖像分類研究.pdf
- 基于支持向量機的圖像分類研究與實現(xiàn).pdf
- 基于支持向量機的相關(guān)反饋圖像檢索算法研究.pdf
- 基于深度支持向量機的極化SAR圖像分類.pdf
- 基于支持向量機的高光譜遙感圖像分類.pdf
- 基于支持向量機的SAR圖像增強與分類.pdf
- 基于混合向量和支持向量機的金屬斷口圖像識別與分類.pdf
- 采用支持向量機的紋理圖像分類.pdf
- 基于支持向量機的高光譜圖像分類技術(shù)研究.pdf
- 基于支持向量機的超譜圖像分類技術(shù)研究.pdf
- 基于隱支持向量機模型的個性化圖像推薦和檢索.pdf
- 基于支持向量機方法的圖像分割與目標(biāo)分類.pdf
評論
0/150
提交評論