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、圖像分類是數(shù)字圖像分析與理解的主要研究方向,因而受到人們廣泛的關注,如何對大量的圖像進行快速、準確的分類是當前研究中的一個熱點問題。
本文將詞袋模型應用于無監(jiān)督圖像分類,并針對傳統(tǒng)詞袋模型中所涉及方法(如特征提取、聚類方法等)的不足,做出了如下的改進:
首先,采用加速魯棒特征變換(Speeded Up Robust Features,SURF)提取特征(圖像詞語)。本文將增加預處理環(huán)節(jié),即通過特征興趣區(qū)域(Regio
2、n ofinteresting Features,ROIF)與圖像前景對象范圍定位方法對特征提取范圍進行規(guī)定。實驗表明,預處理環(huán)節(jié)可有效減少特征中弱特征與無關特征數(shù)量。
其次,本文采用精確歐拉位置敏感哈希(Exact Euclidean Locality SensitiveHashing,E2LSH)對圖像詞語聚類以獲得關鍵詞(聚類中心)。為了減小E2LSH的隨機性,將多次聚類并使用基于最短特征無向圖的組合匯集技術獲得最終的聚
3、類分布。實驗表明,由E2 LSH得到的關鍵詞具有更強的代表性。
再次,利用吉布斯抽樣計算隱狄利克雷分布模型(Latent DirichletAllocation,LDA)得到類別分布轉移矩陣。并使用最大轉移概率與轉移向量相似度結合的組合方法閱讀轉移矩陣獲得分類結果。實驗表明,組合式閱讀能更好的發(fā)現(xiàn)轉移矩陣中隱含的類別信息。
最后,針對傳統(tǒng)分類方法對同一類內(nèi)圖像間關系的忽視,利用雙向匹配(Bidirectional M
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研究.pdf
- 基于詞袋模型的圖像分類方法研究.pdf
- 基于“詞袋”模型的圖像分類系統(tǒng).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的研究.pdf
- 基于詞袋模型和本體的圖像分類研究
- 基于詞袋模型和本體的圖像分類研究.pdf
- 基于改進詞袋模型的圖像分類算法研究.pdf
- 基于詞袋模型和詞匯樹的圖像檢索技術研究.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
- 單尺度詞袋模型圖像分類方法研究.pdf
- 基于空間鄰域詞袋模型的圖像標注技術.pdf
- 視覺詞袋模型架構下的圖像分類算法研究.pdf
- 基于視覺詞袋模型的車輛識別技術研究.pdf
- 基于視覺詞袋模型的圖像標注研究.pdf
- 基于演化算法及改進詞袋模型的病蟲害分類識別技術研究.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
- 基于視覺詞袋模型的高分辨率遙感圖像分類研究.pdf
評論
0/150
提交評論