本文選題：詞袋模型 + 編碼算法��； 參考：《電子學(xué)報(bào)》2017年08期

【摘要】：為了解決經(jīng)典局部特征編碼方法會(huì)產(chǎn)生相似局部特征之間編碼系數(shù)不一致的問(wèn)題,本文提出一種圖正則化局部特征編碼算法.該算法在對(duì)初始編碼矢量所定義的能量化函數(shù)中引入正則化項(xiàng),保證空間上相鄰?fù)庥^上相似的局部特征之間的編碼矢量盡可能一致.MSRcv2、Caltech101、Scene 15以及Indoor 67四個(gè)公開(kāi)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明本文方法能夠提高硬分配、軟分配、稀疏編碼、局部約束線性編碼以及局部軟分配五種經(jīng)典編碼方法的性能,并且基于本文編碼算法的圖像分類(lèi)方法在上述四個(gè)公開(kāi)數(shù)據(jù)集上的平均分類(lèi)正確率分別達(dá)到了91.13%、76.02%、83.76%、44.78%.
[Abstract]:In order to solve the problem that the coding coefficients between similar local features are inconsistent in classical local feature coding, a graph regularization local feature coding algorithm is proposed in this paper. The regularization term is introduced into the energy function defined by the initial encoding vector. The experimental results on four open data sets, I. e. MSRcv2Caltech 101 scene 15 and Indoor 67, show that the proposed method can improve hard allocation, soft allocation and sparse coding. The performance of the five classical coding methods of local constrained linear coding and local soft assignment is presented. The average classification accuracy of the image classification method based on the proposed coding algorithm on the above four open data sets is 91.13 and 76.02 respectively.
【作者單位】： 南通大學(xué)電氣工程學(xué)院;南京理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;南通大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：江蘇省普通高校自然科學(xué)研究面上項(xiàng)目(No.16KJB520037) 國(guó)家自然科學(xué)基金(No.61602150) 江蘇省自然科學(xué)基金(No.BK20151273) 南通市科技項(xiàng)目前沿與關(guān)鍵技術(shù)(No.MS22015100) 江蘇省博士后科研資助計(jì)劃項(xiàng)目(No.1601013B)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱峗,吳煒;圖像分類(lèi)中變形決策樹(shù)的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

2 陳戲墨,徐紅兵,李志銘,謝鉉洋,李曦,李揚(yáng)彬;數(shù)據(jù)挖掘在醫(yī)學(xué)圖像分類(lèi)中的應(yīng)用[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2005年01期

3 冀翠萍;孟祥增;;基于內(nèi)容的圖像分類(lèi)體系[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年07期

4 楊杰;陳曉云;;圖像分類(lèi)方法比較研究[J];微計(jì)算機(jī)應(yīng)用;2007年06期

5 楊文潮;姜志堅(jiān);;圖像分類(lèi)技術(shù)研究[J];福建電腦;2008年08期

6 葛寒娟;邱桃榮;王劍;盧強(qiáng);李北;劉韜;聶斌;;一種基于相容信息粒原理的圖像分類(lèi)方法[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

7 王軍;王員云;;粒計(jì)算及其在圖像分類(lèi)中的應(yīng)用研究[J];計(jì)算機(jī)工程與科學(xué);2009年03期

8 吳軍;王士同;;基于正負(fù)模糊規(guī)則的相結(jié)合的圖像分類(lèi)[J];計(jì)算機(jī)應(yīng)用;2011年01期

9 吳軍;王士同;趙鑫;;正負(fù)模糊規(guī)則系統(tǒng)、極限學(xué)習(xí)機(jī)與圖像分類(lèi)[J];中國(guó)圖象圖形學(xué)報(bào);2011年08期

10 郝永寬;王威;聶維同;王德強(qiáng);;圖像分類(lèi)與聚類(lèi)分析[J];數(shù)字技術(shù)與應(yīng)用;2011年12期

相關(guān)會(huì)議論文 前9條

1 鄭海紅;曾平;;一種基于圖像分類(lèi)的逆半調(diào)算法[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

2 文振q;歐陽(yáng)杰;朱為總;;基于語(yǔ)義特征與支持向量機(jī)的圖像分類(lèi)[A];中國(guó)電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

3 陳思坤;吳洪;;基于圖分塊并利用空間金字塔的醫(yī)學(xué)圖像分類(lèi)[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

4 張淑雅;趙曉宇;趙一鳴;李均利;;基于SVM的圖像分類(lèi)[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

5 朱松豪;胡娟娟;孫偉;;基于非歐空間高階統(tǒng)計(jì)的圖像分類(lèi)方法[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

6 潘海為;李建中;張煒;;基于像素聚類(lèi)的腦部醫(yī)學(xué)圖像分類(lèi)[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2003年

7 吳霜;張一飛;修非;王大玲;鮑玉斌;于戈;;基于興趣點(diǎn)特征提取的醫(yī)學(xué)圖像分類(lèi)[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

8 武進(jìn);尹愷;王長(zhǎng)明;張家才;;SVDM在蔬菜病害圖像分類(lèi)中的應(yīng)用[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

9 劉杰;杜軍平;;基于Relief-F特征加權(quán)支持向量機(jī)的語(yǔ)義圖像分類(lèi)[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 李昌英(Ri ChangYong);基于上下文信息的語(yǔ)義圖像分類(lèi)研究[D];浙江大學(xué);2014年

2 王曉東;基于稀疏特征學(xué)習(xí)的復(fù)雜圖像分類(lèi)[D];西安電子科技大學(xué);2014年

3 顧迎節(jié);面向圖像分類(lèi)的主動(dòng)學(xué)習(xí)算法研究[D];南京理工大學(xué);2015年

4 孟丹;基于深度學(xué)習(xí)的圖像分類(lèi)方法研究[D];華東師范大學(xué);2017年

5 趙鑫;圖像分類(lèi)中的判別性增強(qiáng)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

6 楊冰;基于藝術(shù)風(fēng)格的繪畫(huà)圖像分類(lèi)研究[D];浙江大學(xué);2013年

7 丁建睿;基于多示例學(xué)習(xí)的淺表器官超聲圖像分類(lèi)方法研究[D];哈爾濱工業(yè)大學(xué);2012年

8 賈世杰;基于內(nèi)容的商品圖像分類(lèi)方法研究[D];大連理工大學(xué);2013年

9 李曉旭;基于概率主題模型的圖像分類(lèi)和標(biāo)注的研究[D];北京郵電大學(xué);2012年

10 韓東峰;圖像分類(lèi)識(shí)別中特征及模型的若干問(wèn)題研究[D];吉林大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 張明靜;基于改進(jìn)遺傳算法的分塊綜合特征加權(quán)圖像分類(lèi)研究[D];華南理工大學(xué);2015年

2 李函怡;融合主動(dòng)學(xué)習(xí)的半監(jiān)督技術(shù)在圖像分類(lèi)中的應(yīng)用研究[D];西南大學(xué);2015年

3 王亞鳳;基于多特征的主動(dòng)學(xué)習(xí)方法在圖像分類(lèi)中的應(yīng)用研究[D];河北工程大學(xué);2015年

4 陳榮安;基于改進(jìn)的Bag-of-Features模型的圖像分類(lèi)研究[D];蘭州大學(xué);2015年

5 鐘畏丹;基于HSV和紋理特征的圖像分類(lèi)[D];華中師范大學(xué);2015年

6 焦陽(yáng);基于主動(dòng)學(xué)習(xí)的多標(biāo)簽圖像分類(lèi)方法研究[D];蘇州大學(xué);2015年

7 王朔琛;基于半監(jiān)督支持向量機(jī)的圖像分類(lèi)方法研究[D];陜西師范大學(xué);2015年

8 楊東坡;基于深度學(xué)習(xí)的商品圖像分類(lèi)[D];大連交通大學(xué);2015年

9 董振宇;基于詞袋模型的圖像分類(lèi)研究[D];寧波大學(xué);2015年

10 祝軍;基于深度學(xué)習(xí)模型的圖像分類(lèi)研究[D];寧波大學(xué);2015年

，

本文編號(hào)：1793844