圖像分類是計算機視覺領(lǐng)域內(nèi)一個重要研究問題,在自然場景理解和工業(yè)檢測等圖像分析任務(wù)中具有廣泛的應(yīng)用。研究高性能圖像分類算法對于大規(guī)模圖像管理和有效組織具有重要意義。而圖像的特征表示直接影響分類算法的性能,但在基于圖像局部特征的分類算法中,忽略了局部特征之間的關(guān)系,并且在使用單一特征對圖像進(jìn)行表示時,可能會丟失部分信息。同時,隨著卷積神經(jīng)網(wǎng)絡(luò)的興起,如何融合傳統(tǒng)圖像特征和卷積特征進(jìn)而提升圖像的分類精度也是一個很有必要的問題。針對上述問題,本文主要有兩個工作:1.在局部特征的基礎(chǔ)上構(gòu)建了圖像的中層特征。具體地,從圖像的局部特征出發(fā),在超像素區(qū)域內(nèi)有效地提取了中層特征,嵌入了局部特征的結(jié)構(gòu)信息。然后在稀疏編碼框架下將局部特征和中層特征結(jié)合起來,使得特征具有更好的判別能力。與僅使用局部特征的具有代表性的圖像分類算法相比,新方法在幾種常見的標(biāo)準(zhǔn)數(shù)據(jù)集上分類性能提高了3-4%。2.為進(jìn)一步提升局部特征和中層特征的表達(dá)能力,在局部特征和中層特征分別使用了核函數(shù),學(xué)習(xí)了相應(yīng)的系數(shù),進(jìn)一步提升圖像分類的性能。并在多核學(xué)習(xí)框架下對局部特征、中層特征和卷積特征進(jìn)行了融合,通過實驗初步驗證了卷積特征與局部特征... 

【文章來源】：河北大學(xué)河北省

【文章頁數(shù)】：51 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像分類框架

河北大學(xué)碩士學(xué)位論文8圖2-1高斯金字塔與DOG金字塔圖2-2尋找尺度極值點2.1.2關(guān)鍵點定位通過空間極值點檢測找到候選的關(guān)鍵點后，將會進(jìn)行精確的關(guān)鍵點定位，這一步中會使用位置、尺度和主曲率信息去掉一些具有低對比度和處在邊緣的候選點。首先對尺度空間函數(shù)(,,)進(jìn)行泰勒展開：()=++1222(2.4)

河北大學(xué)碩士學(xué)位論文8圖2-1高斯金字塔與DOG金字塔圖2-2尋找尺度極值點2.1.2關(guān)鍵點定位通過空間極值點檢測找到候選的關(guān)鍵點后，將會進(jìn)行精確的關(guān)鍵點定位，這一步中會使用位置、尺度和主曲率信息去掉一些具有低對比度和處在邊緣的候選點。首先對尺度空間函數(shù)(,,)進(jìn)行泰勒展開：()=++1222(2.4)

【參考文獻(xiàn)】：
期刊論文
[1]基于優(yōu)化視覺詞袋模型的圖像分類方法[J]. 張永,楊浩.  計算機應(yīng)用. 2017(08)
[2]三角形約束下的詞袋模型圖像分類方法[J]. 汪榮貴,丁凱,楊娟,薛麗霞,張清楊.  軟件學(xué)報. 2017(07)
[3]場景圖像分類技術(shù)綜述[J]. 李學(xué)龍,史建華,董永生,陶大程.  中國科學(xué):信息科學(xué). 2015(07)



本文編號：3370896