本文關(guān)鍵詞：基于多通道的分層特征提取的圖像識(shí)別　出處：《中國(guó)科學(xué)技術(shù)大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 特征提取 多通道 分層 字典學(xué)習(xí) 稀疏編碼

【摘要】：圖像識(shí)別在模式匹配、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等研究領(lǐng)域都是一個(gè)熱門的研究課題。經(jīng)過多年的研究發(fā)展,圖像識(shí)別領(lǐng)域已經(jīng)形成了許多成熟的技術(shù)并且被廣泛應(yīng)用到遙感、航拍、車牌識(shí)別及監(jiān)控等各個(gè)領(lǐng)域。在復(fù)雜的現(xiàn)實(shí)世界中,人們拍攝的許多圖像都包含著多種維度的信息,比如輪廓,大小,視角,光照條件,場(chǎng)景布局等。如果圖像識(shí)別主要關(guān)注的是對(duì)圖像中對(duì)象的識(shí)別,那么圖像中的光照、場(chǎng)景等信息就變成了干擾信息。當(dāng)這些干擾信息太多的情況下,提取圖像中的所需的有效特征就變的尤為困難。因此如何才能在提取圖像的有效特征時(shí)不受干擾信息的影響,就變成了計(jì)算機(jī)視覺中是一個(gè)非常重要的問題。針對(duì)上述問題,本文提出了一種多通道下的分層特征提取算法,減輕了干擾信息對(duì)圖像特征提取的影響,提高了算法識(shí)別率。本文的主要工作包括：(1)研究發(fā)現(xiàn)現(xiàn)有的字典學(xué)習(xí)算法K-SVD容易出現(xiàn)過擬合的現(xiàn)象,因此在K-SVD算法中引入相干性參數(shù),降低了學(xué)習(xí)得到的字典中原子的相關(guān)程度,提升了字典的表述能力。實(shí)驗(yàn)結(jié)果表明,識(shí)別率比優(yōu)化前提高2%-4%,Matlab和C-MEX混合編程的效率是Matlab版的23倍以上(2)分析了當(dāng)前圖像特征提取過程中比較主流的稀疏編碼算法,對(duì)比匹配追蹤算法和正交匹配追蹤算法的優(yōu)劣。然后將卷積網(wǎng)絡(luò)中的空間金字塔池化應(yīng)用到稀疏編碼中,以降低了計(jì)算復(fù)雜度。(3)設(shè)計(jì)了多種通道對(duì)圖像進(jìn)行特征提取,即將圖像按照不同的尺寸進(jìn)行分割,每種分割方案(通道)在經(jīng)過多層的特征提取后得到圖像的特征向量。然后對(duì)不同通道的特征向量使用線性SVM訓(xùn)練模型,用于識(shí)別。實(shí)驗(yàn)結(jié)果表明,增加多通道并稀疏編碼后的結(jié)果比別的特征提取算法識(shí)別率至少高出4%。
[Abstract]:......
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
，

本文編號(hào)：1353924