版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、根據(jù)場景含義對圖像進行分類是圖像理解研究的熱點,是研究人類理解圖像語義含義的重要方向之一。近年來,場景分類在圖像檢索、醫(yī)學圖像的識別、計算機視覺和機器人,對周圍環(huán)境的感知等領域具有重要而現(xiàn)實的應用前景。面對日益龐大的數(shù)字圖像,依靠經(jīng)典的人工標注的方式對圖像進行標注獲取圖像特征,然后對圖像進行分類的工作量將變得難以承受,因此,研究更智能化的場景分類方式愈加重要。場景分類的過程包括:場景圖像的特征提取、視覺字典的構建、分類結果預測等。在視覺
2、字典的構建過程中,視覺字典合理容量的獲取就成為了影響場景分類的精度與效率一個關鍵因素。針對當前完全依賴反復人為實驗摸索才能獲得視覺字典容量的現(xiàn)狀,提出了一種使用AP聚類算法自動計算視覺字典合理容量的方法。這個方法避免了人為實驗摸索去獲得視覺字典容量,顯著提高了算法的運算效率。本文的主要工作如下:
首先,本文介紹了場景分類等相關的背景知識,以及它們的研究意義;分析了聚類算法和視覺字典容量獲取的研究現(xiàn)狀。
其次,本文給出
3、了場景分類的基本流程圖。闡述了獲取SIFT(Scale-invariant featuretransform,尺度不變特征轉換)特征的詳細過程、K-均值聚類算法和AP(AffinityPropagation,吸引子傳播)聚類算法,并且通過對隨機產(chǎn)生的100個數(shù)據(jù)點的聚類結果進行對比,分析比較了兩種聚類算法的優(yōu)缺點。K-均值聚類算法的聚類中心數(shù)目要人為預先指定,而且初始聚類中心的不同會導致聚類結果的不同。而AP聚類則是通過算法的迭代自動獲
4、取聚類中心,而且在迭代的過程中,經(jīng)過44次就趨于穩(wěn)定。此外,還分析了AP聚類算法中的兩個參數(shù)對聚類結果的影響。實驗表明,在無先驗知識的情況下,AP聚類算法要優(yōu)于K-均值聚類算法。
第三,本文對SIFT特征的提取方法進行了深入研究,給出了當前提取SIFT特征構建視覺單詞的幾種方法。通過實驗仿真對比了使用均勻網(wǎng)格采樣法和隨機采樣法提取場景圖像SIFT特征的優(yōu)缺點,實驗結果表明,均勻采樣法更適用于本文對場景分類的研究。
第
5、四,本文對提取得到的特征矩陣數(shù)據(jù)進行了預處理。然后分別使用K-均值聚類算法和AP聚類算法獲取視覺字典容量,使用SVM進行場景分類。使用K-均值聚類算法獲取了一條視覺字典容量和識別率之間的關系曲線。然后改變AP聚類中的參數(shù)——參考度,分析了參數(shù)對場景分類的影響。并使用IGP(In-Group Proportion,類內比例)指標對聚類效果進行了評價。
第五,本文對實驗結果進行了分析。首先,把用K-means聚類算法得出的識別率與
6、視覺字典容量之間的關系曲線和通過AP聚類算法自動獲取視覺字典容量進行了對比。實驗結果表明:使用AP聚類算法能夠較快的獲取視覺字典容量,而且場景分類的識別率可以達到81%以上。而使用K-means聚類算法,得出的識別率與視覺字典容量之間的關系曲線并無規(guī)律,分類精度最高的視覺字典容量分別為350、750、1100和1350。本文還給出了幾個重要的參數(shù)對實驗結果的影響,通過IGP的值選擇參考度的值,驗證了AP聚類的有效性和得到的視覺字典容量的
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,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 基于視覺字典容量自動獲取的LDA場景分類研究.pdf
- 融合AP聚類的視覺字典容量獲取及其PLSA場景分類評價.pdf
- 基于CSAE和字典學習的室內場景分類方法研究.pdf
- 基于機器視覺的場景目標檢測與分類研究.pdf
- 基于機器視覺的目標分類與場景定位研究.pdf
- 視覺分類及其在場景分析中的應用.pdf
- 基于視覺特征和主題模型的自然場景分類.pdf
- 中文網(wǎng)頁獲取及自動分類技術研究.pdf
- 基于場景分類的圖像語義自動標注及檢索的研究.pdf
- 基于機器人視覺的場景圖像分類的應用研究.pdf
- 圖像分類精度字典構建研究.pdf
- 三維場景的深度獲取方法研究.pdf
- 基于場景分類和視覺關注的深度圖生成算法研究.pdf
- 基于雙目視覺的三維場景獲取及點云顯示技術研究.pdf
- 電力市場下的備用容量獲取.pdf
- 視覺注意信息的獲取機制研究
- 基于大容量指紋庫的指紋自動分類檢索技術研究.pdf
- 視覺注意信息的獲取機制研究.pdf
- 基于場景元模型獲取有效需求的研究.pdf
- 多場景扇區(qū)容量評估技術研究.pdf
評論
0/150
提交評論