2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩77頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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、基于內(nèi)容的圖像檢索是多媒體信息檢索的重要研究方向,它是一種基于“以圖搜圖”的檢索技術(shù),廣泛應(yīng)用于多個(gè)領(lǐng)域,如電子商務(wù)子中的商品圖像檢索。隨著網(wǎng)絡(luò)的普及,數(shù)字圖像得到顯著增長(zhǎng),成為多媒體社會(huì)中主要信息的來(lái)源。各式各樣的圖像遍及到我們?nèi)粘5纳顚W(xué)習(xí)中,如何快速準(zhǔn)確的對(duì)圖像信息進(jìn)行分析和檢索具有重要的研究?jī)r(jià)值。
  本文是對(duì)基于內(nèi)容的圖像檢索技術(shù)進(jìn)行研究。根據(jù)對(duì)該技術(shù)的相關(guān)理論知識(shí)和算法的學(xué)習(xí),采用了多特征融合的分層圖像檢索方法。該方法

2、的第一層是圖像篩選層,本文提出了基于稀疏的多類別分類方法對(duì)圖像進(jìn)行篩選;第二層是精確圖像檢索層,采用多特征融合的方法對(duì)圖像進(jìn)行精確檢索。本文將多特征分層圖像檢索技術(shù)應(yīng)用在商品檢索中,具體的工作和創(chuàng)新如下:
 ?。?)在基于稀疏分類的圖像篩選層中,本文提出一種基于稀疏的多類別分類方法。傳統(tǒng)的稀疏分類方法是根據(jù)重建殘差進(jìn)行分類,并且將圖像歸為某一類,這樣容易導(dǎo)致分類錯(cuò)誤,從而不能達(dá)到圖像篩選的目的。因此,本文提出一種基于稀疏的多類別分

3、類方法,結(jié)合稀疏表示的特性,采用重建殘差和稀疏系數(shù)的比值來(lái)進(jìn)行分類,把圖像歸為相似的前N類,減少分類錯(cuò)誤,達(dá)到圖像篩選的目的,構(gòu)成精確檢索層的候選圖像集。
  (2)在精確圖像檢索層,本文采用多特征加權(quán)融合的檢索方法。首先提取SIFT特征,根據(jù)詞袋模型特征表示方法,得到圖像的直方圖特征。本文引入了Dirichlet Fisher核的直方圖轉(zhuǎn)換方法,得到具有較強(qiáng)辨別力的SiftBowDirfk特征,提高檢索的性能。此外,針對(duì)單一特征

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(méi)有圖紙預(yù)覽就沒(méi)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。

評(píng)論

0/150

提交評(píng)論