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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著計(jì)算機(jī)科技、物理和傳感器技術(shù)、存儲(chǔ)技術(shù)、網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,數(shù)據(jù)的膨脹日益加劇。手機(jī)隨時(shí)拍以及各種場(chǎng)合不同用途的監(jiān)控?cái)z像頭時(shí)時(shí)刻刻產(chǎn)生著海量圖像(視頻)數(shù)據(jù),各類智能移動(dòng)機(jī)器人的研究中也在不斷收集和積累著實(shí)驗(yàn)和測(cè)試圖像和視頻。從信號(hào)處理的角度來說,圖像是高維數(shù)據(jù),攜帶了大量復(fù)雜的信息和特征,如何對(duì)圖像數(shù)據(jù)進(jìn)行高效的分析識(shí)別從而加以合理利用,是目前亟待研究和解決的問題。稀疏表示是近年來提出的一種新穎的信號(hào)處理技術(shù),而壓縮感知為其奠定了
2、工程應(yīng)用的理論基礎(chǔ)。目前稀疏表示已經(jīng)被廣泛的應(yīng)用于計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等領(lǐng)域,并且取得了有益的成果。例如:圖像壓縮、圖像去噪、圖像超分辨率、圖像重建、圖像分類識(shí)別等等。本文對(duì)基于稀疏表示和深度學(xué)習(xí)的圖像識(shí)別算法及應(yīng)用進(jìn)行了深入的研究,主要工作概括如下:
1.圖像稀疏表示和深度學(xué)習(xí)方法。概括并重新描述了圖像稀疏表示的基本框架、方法;重點(diǎn)研究和重新描述了壓縮感知的理論框架,包括信號(hào)的稀疏表示、觀測(cè)矩陣設(shè)計(jì)、信號(hào)重構(gòu)理論。同時(shí)對(duì)深度
3、學(xué)習(xí)的基礎(chǔ)函數(shù)進(jìn)行描述和總結(jié)。
2.提出了一種基于Log-Gabor的稀疏表示分類識(shí)別算法,通過將樣本數(shù)據(jù)的全局特征和局部特征信息進(jìn)行融合,達(dá)到提高識(shí)別率的效果。該算法在壓縮感知和稀疏表示的框架下,利用相同類別樣本之間在其特征子空間中的線性相關(guān)性,通過求解待識(shí)別樣本在所有訓(xùn)練樣本上的全局表示,利用全局特征進(jìn)行構(gòu)造詞典,并結(jié)合樣本的局部特征,對(duì)待識(shí)別樣本進(jìn)行稀疏分解和表達(dá),使得到的稀疏表示向量盡可能具備特異性,能夠應(yīng)對(duì)每類訓(xùn)練樣
4、本數(shù)量較少的情況,減少類別對(duì)應(yīng)數(shù)量,提高分類識(shí)別結(jié)果的準(zhǔn)確性。在人臉識(shí)別和交通標(biāo)志識(shí)別的實(shí)驗(yàn)表明,在隨著訓(xùn)練樣本數(shù)量和樣本類別數(shù)量的增加,Log-GSRC算法比SRC算法在識(shí)別率上面有顯著提高。
3.提出了一種基于字典學(xué)習(xí)的稀疏表示分類識(shí)別算法,通過字典學(xué)習(xí)算法設(shè)計(jì)一個(gè)有效的稀疏表示超完備冗余字典,可以應(yīng)對(duì)大多數(shù)樣本數(shù)據(jù)量比較小的情況并在一定程度上解決外部環(huán)境變化導(dǎo)致的圖像變異性大的問題,從而對(duì)待識(shí)別圖像獲得更稀疏和更精確的表
5、示,然后使用稀疏表示分類器來進(jìn)行圖像識(shí)別。將該算法應(yīng)用在人臉識(shí)別和交通標(biāo)志識(shí)別上,實(shí)驗(yàn)結(jié)果表明,隨著訓(xùn)練樣本數(shù)不停地增加時(shí)識(shí)別率隨著訓(xùn)練樣本數(shù)量增加有顯著的提高。
4.提出了一種基于深度學(xué)習(xí)特征的稀疏表示分類識(shí)別算法,針對(duì)大樣本數(shù)據(jù)提取樣本特征并進(jìn)行網(wǎng)絡(luò)訓(xùn)練,設(shè)計(jì)了深度卷積網(wǎng)絡(luò)模型,并運(yùn)用稀疏表達(dá)方法,可在一定程度上有效地去除由于光照、遮擋、神態(tài)、姿勢(shì)等一些不確定性因素造成獲取圖像質(zhì)量不穩(wěn)定的影響。該算法利用深度學(xué)習(xí)方法提取樣
溫馨提示
- 1. 本站所有資源如無(wú)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 圖像目標(biāo)的識(shí)別——基于稀疏表示的圖像識(shí)別算法研究.pdf
- 基于稀疏表示的圖像識(shí)別.pdf
- 基于深度學(xué)習(xí)的水果圖像識(shí)別算法研究.pdf
- 基于稀疏表示和深度學(xué)習(xí)的SAR圖像目標(biāo)識(shí)別研究.pdf
- 基于深度學(xué)習(xí)和稀疏表示的手勢(shì)識(shí)別研究.pdf
- 基于塊結(jié)構(gòu)化字典學(xué)習(xí)的稀疏表示圖像識(shí)別.pdf
- 基于稀疏表示的人臉圖像識(shí)別方法研究.pdf
- 深度學(xué)習(xí)圖像識(shí)別模型的優(yōu)化及應(yīng)用.pdf
- 深度學(xué)習(xí)在圖像識(shí)別中的研究及應(yīng)用.pdf
- 基于稀疏表示的聲納圖像識(shí)別及超分辨率重建.pdf
- 基于深度信念網(wǎng)絡(luò)的圖像識(shí)別及其應(yīng)用研究.pdf
- 基于深度學(xué)習(xí)的圖像識(shí)別方法研究與應(yīng)用.pdf
- 基于匹配的圖像識(shí)別算法的應(yīng)用研究.pdf
- 基于深度學(xué)習(xí)的腫瘤細(xì)胞圖像識(shí)別.pdf
- 組稀疏表示算法和應(yīng)用研究.pdf
- 流形學(xué)習(xí)算法及其在圖像識(shí)別中的應(yīng)用研究
- 光照變化列車圖像識(shí)別算法及應(yīng)用研究.pdf
- 動(dòng)車組異常圖像識(shí)別算法及應(yīng)用研究.pdf
- 圖像稀疏表示及圖像超分辨應(yīng)用研究.pdf
- 基于稀疏表示和聚類字典學(xué)習(xí)的人臉識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論