發(fā)布時(shí)間：2017-05-04 15:10

  本文關(guān)鍵詞：基于稀疏表示的圖像目標(biāo)分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：眾所周知,圖像有著強(qiáng)大的信息搭載量,而隨著科技的發(fā)展,一系列依賴于圖像進(jìn)行工作的高科技產(chǎn)品應(yīng)運(yùn)而生,從而促進(jìn)了圖像處理技術(shù)的蓬勃發(fā)展。圖像目標(biāo)分類作為圖像處理、人工智能發(fā)展至關(guān)重要的研究方向,同樣在以前所未有的速度發(fā)展著。然而和生物認(rèn)知相比,圖像目標(biāo)識別的速度和準(zhǔn)確率仍舊處于較為落后的水平,具有較高的研究價(jià)值和進(jìn)步的空間。故而,本人選擇基于稀疏表示算法的圖像目標(biāo)分類作為自己的研究生階段的研究方向。在本文中,本人使用Oxford Pet Dataset中的catdog數(shù)據(jù)庫來進(jìn)行實(shí)驗(yàn),通過對M-HMP算法(Multipath Sparse Coding Using Hierarchical Matching Pursuit)[8]中的字典學(xué)習(xí)算法MI-KSVD進(jìn)行修改,得到一個(gè)新的字典更新算法。該算法通過將字典學(xué)習(xí)與多尺度相結(jié)合而得到,本文將其命名為基于多尺度的奇異值分解(KSingular Value Decomposition based on Multi Scale Objects,簡稱MS-KSVD算法)。經(jīng)大量實(shí)驗(yàn)證明,用MS-KSVD算法替代原始的MI-KSVD算法,可以提升目標(biāo)分類的準(zhǔn)確率。進(jìn)一步,本文針對M-HMP算法的路徑進(jìn)行分析,提出更優(yōu)的路徑設(shè)計(jì),從而達(dá)到：1)在保持準(zhǔn)確率不降低的情況下,可以減少路徑的數(shù)量,從而減少算法的計(jì)算時(shí)間,降低對計(jì)算機(jī)存儲空間的需求；2)在保持路徑數(shù)量不變的情況下,可以提高目標(biāo)分類的準(zhǔn)確率,使得分類更加精確。為了更好地提升圖像目標(biāo)分類的準(zhǔn)確率,本文還考慮到了特征的權(quán)重問題。通過更改不同路徑得到的特征的權(quán)重,來提升最終的目標(biāo)分類準(zhǔn)確率�？偨Y(jié),本文通過改進(jìn)字典學(xué)習(xí)算法,更改稀疏表示特征的路徑,設(shè)定不同路徑的特征權(quán)重,從而不斷提升基于catdog數(shù)據(jù)庫的圖像目標(biāo)分類的準(zhǔn)確率,使得最終的分類準(zhǔn)確率為53.56%,比原始52.11%的準(zhǔn)確率提升了1.45%,這在catdog數(shù)據(jù)庫上是個(gè)較為難得的突破。
【關(guān)鍵詞】：稀疏表示 圖像目標(biāo)分類 catdog數(shù)據(jù)庫 MS-KSVD MI-KSVD M-HMP
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-12
• 第1章 引言12-21
• 1.1 課題背景及研究意義12
• 1.2 國內(nèi)外研究現(xiàn)狀12-18
• 1.2.1 現(xiàn)有分類算法比較13-17
• 1.2.2 目標(biāo)分類的準(zhǔn)確率排名17-18
• 1.2.3 本文方法選取18
• 1.3 圖像目標(biāo)分類的應(yīng)用18-19
• 1.4 論文的主要工作及章節(jié)安排19-21
• 第2章 基于稀疏表示和SVM的目標(biāo)分類21-45
• 2.1 基于稀疏表示的特征描述21-36
• 2.1.1 范數(shù)規(guī)則化22-24
• 2.1.2 稀疏編碼部分24-28
• 2.1.3 字典學(xué)習(xí)部分28-36
• 2.2 基于SVM的特征分類36-45
• 2.2.1 Logistic回歸36-37
• 2.2.2 線性可分的超平面選取37-39
• 2.2.3 線性不可分的超平面選取39-45
• 第3章 基于稀疏表示的算法改進(jìn)45-57
• 3.1 M-HMP算法原理及算法改進(jìn)45-49
• 3.1.1 M-HMP算法原理45-48
• 3.1.2 改進(jìn)字典學(xué)習(xí)算法48-49
• 3.2 算法有效性驗(yàn)證49-57
• 3.2.1 修改參數(shù)的有效性否定49-53
• 3.2.2 單條路徑的有效性驗(yàn)證53-55
• 3.2.3 總體準(zhǔn)確率的有效性驗(yàn)證55-57
• 第4章 圖像目標(biāo)分類的實(shí)現(xiàn)57-62
• 4.1 路徑選擇和參數(shù)設(shè)計(jì)57-59
• 4.2 路徑權(quán)重設(shè)計(jì)59-62
• 第5章 總結(jié)及展望62-64
• 5.1 論文工作總結(jié)62
• 5.2 后續(xù)工作62-64
• 參考文獻(xiàn)64-67
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果67-69
• 學(xué)位論文數(shù)據(jù)集69

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 D.Giuli;M.Gherardelli;M.Fossi;王德純;;用極化判別進(jìn)行目標(biāo)分類和識別[J];現(xiàn)代雷達(dá);1987年02期

2 A. Farina;A. Visconti;陳振邦;;利用多重假設(shè)測試法對雷達(dá)目標(biāo)分類[J];國外艦船技術(shù).雷達(dá)與對抗;1988年Z1期

3 J.S.陳;E.K.沃爾頓;陳振邦;;兩種目標(biāo)分類技術(shù)的比較[J];國外艦船技術(shù).雷達(dá)與對抗;1987年04期

4 杜思偉;林家駿;蘇永明;;基于條件證據(jù)更新的機(jī)動目標(biāo)分類[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

5 郭雷,肖懷鐵,付強(qiáng);基于支持矢量機(jī)特征空間距離的多目標(biāo)分類方法[J];計(jì)算機(jī)仿真;2005年09期

6 張漢華,王偉,姜衛(wèi)東,陳曾平,莊釗文;基于時(shí)間譜信息的低分辨雷達(dá)飛機(jī)目標(biāo)分類[J];系統(tǒng)工程與電子技術(shù);2004年04期

7 王強(qiáng)光;伍鐵軍;;智能監(jiān)控系統(tǒng)中的運(yùn)動目標(biāo)分類方法研究[J];工業(yè)控制計(jì)算機(jī);2011年01期

8 林幼權(quán);;球載雷達(dá)目標(biāo)分類與識別技術(shù)研究[J];現(xiàn)代雷達(dá);2011年07期

9 寇英信;王琳;全勇;;自組織特征映射網(wǎng)絡(luò)在目標(biāo)分類識別中的應(yīng)用[J];火力與指揮控制;2009年01期

10 劉佶鑫;孫權(quán)森;曹國;;壓縮感知稀疏識別用于多視角圖像目標(biāo)分類[J];應(yīng)用科學(xué)學(xué)報(bào);2013年02期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 朱靖;王曉博;王國宏;;一種基于高度信息的目標(biāo)分類方法[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

2 周維;莊連生;俞能海;;小規(guī)模和非平衡數(shù)據(jù)下的目標(biāo)分類[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

3 盧家楣;劉偉;賀雯;;課堂教學(xué)的情感目標(biāo)分類與測評[A];第十一屆全國心理學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

4 計(jì)科峰;高貴;賈承麗;匡綱要;粟毅;;一種利用方位角信息基于峰值匹配的SAR圖像目標(biāo)分類方法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

5 任皓;計(jì)科峰;張愛兵;周石琳;;一種利用方位角信息的SAR目標(biāo)分類方法[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

6 王曉靜;原達(dá);李道凱;;應(yīng)用Krawtchouk矩和SVM的運(yùn)動目標(biāo)分類技術(shù)[A];第五屆全國幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會議論文集[C];2011年

7 丘昌鎮(zhèn);任皓;鄒煥新;周石琳;;基于PCA和2D-PCA特征的SAR圖像目標(biāo)分類性能比較[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 梁鵬;基于內(nèi)容的目標(biāo)分類識別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2011年

2 王世f^;面向SAR圖像目標(biāo)分類的關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 萬瀟婷;與位置無關(guān)的室內(nèi)多靜止目標(biāo)分類方法研究[D];南昌大學(xué);2015年

2 張恒;WSN監(jiān)測系統(tǒng)中目標(biāo)分類與多目標(biāo)定位的研究[D];國防科學(xué)技術(shù)大學(xué);2013年

3 李瑋璐;基于JEM效應(yīng)的飛機(jī)目標(biāo)分類方法研究[D];西安電子科技大學(xué);2014年

4 趙紫蕙;微多普勒效應(yīng)在飛機(jī)目標(biāo)分類中的應(yīng)用研究[D];西安電子科技大學(xué);2014年

5 田星華;窄帶雷達(dá)車輛目標(biāo)分類方法及實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

6 蔡利;智能視頻監(jiān)控中運(yùn)動目標(biāo)的分類識別研究[D];南京郵電大學(xué);2015年

7 顧婷婷;智能視頻監(jiān)控平臺中運(yùn)動目標(biāo)分類的研究與實(shí)現(xiàn)[D];南京郵電大學(xué);2015年

8 郭倩;基于視覺詞包模型的大規(guī)模目標(biāo)分類和檢索[D];河南大學(xué);2015年

9 都期望;基于MPEG-7標(biāo)準(zhǔn)的海上移動目標(biāo)分類方法研究[D];大連海事大學(xué);2016年

10 胡碧瑩;基于稀疏表示的圖像目標(biāo)分類方法研究[D];北京交通大學(xué);2016年

  本文關(guān)鍵詞：基于稀疏表示的圖像目標(biāo)分類方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：345304