本文關(guān)鍵詞：基于主題模型的云圖檢索方法研究

  更多相關(guān)文章： 地基云 云圖檢索 主題模型 視覺單詞 詞袋模型

【摘要】：云是大氣中水和能量循環(huán)的重要部分。它在天空中所表現(xiàn)出的穩(wěn)定程度、水汽狀況、高度和厚度,都是預(yù)測未來天氣的關(guān)鍵性特征之一。因此,對云的觀測有著重要的意義。近年來,數(shù)字圖像采集設(shè)備已經(jīng)擁有了長足的發(fā)展。國內(nèi)外涌現(xiàn)了許多地基云全天空觀測設(shè)備,數(shù)字地基云云圖的數(shù)量日益龐大,足以形成規(guī)模龐大的云圖圖像集。在云圖圖像集中查找和瀏覽特定類型的云圖成為一種需求。使用傳統(tǒng)手工方式瀏覽云圖,耗時耗力,效率不高。因此,基于內(nèi)容的數(shù)字地基云圖檢索系統(tǒng)就有了很強的應(yīng)用需求。 本文借鑒傳統(tǒng)基于內(nèi)容的圖像檢索技術(shù),結(jié)合主題模型理論,研究數(shù)字地基云圖的特征表示和其檢索建模方法,主要工作包括： 1)本文提出了原子云圖的概念和一種新的基于詞袋模型的云圖檢索方法,原子云圖是指對云圖圖像進行分割后抽取局部圖像特征,對特征進行無監(jiān)督分類從而形成的基礎(chǔ)特征圖。新的檢索方法在原子云圖概念的基礎(chǔ)上,應(yīng)用BoW框架以及經(jīng)典文本搜索引擎的倒排索引技術(shù)實現(xiàn)。實驗結(jié)果表明,該方法的檢索性能優(yōu)于傳統(tǒng)的圖像檢索方法。 2)本文提出了一種新的基于主題模型的云圖檢索方法,該方法基于BoW框架,針對已經(jīng)生成視覺單詞的圖像進行主題模型建模,抽取圖像和各個隱性主題之間的相關(guān)性向量,最后進行相似度比較返回最相似的若干圖像。實驗結(jié)果表明,該方法的檢索性能優(yōu)于基于BoW的圖像檢索方法。 3)本文設(shè)計并實現(xiàn)了一個在線圖像檢索實驗平臺,主要包括總控程序、特征抽取、視覺單詞、檢索建模、檢索網(wǎng)站、檢索性能評測程序等模塊。
【關(guān)鍵詞】：地基云 云圖檢索 主題模型 視覺單詞 詞袋模型
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-10
• 1 緒論10-14
• 1.1 研究背景及意義10-11
• 1.2 研究思路和創(chuàng)新點11-13
• 1.3 本文結(jié)構(gòu)13-14
• 2 相關(guān)研究工作綜述14-33
• 2.1 圖像檢索相關(guān)技術(shù)14-25
• 2.1.1 圖像特征14-22
• 2.1.2 基于內(nèi)容的圖像檢索原理22-23
• 2.1.3 基于詞袋模型的圖像檢索原理23-25
• 2.2 主題模型理論25-31
• 2.2.1 向量空間模型26-27
• 2.2.2 潛在語義模型27-28
• 2.2.3 概率性潛在語義模型28-30
• 2.2.4 隱含狄利克雷分布模型30-31
• 2.3 地基云圖特征選擇31-33
• 3 基于詞袋模型的云圖檢索方法33-46
• 3.1 引言33-34
• 3.2 基于詞袋模型的云圖描述子34-37
• 3.2.1 方法概述34-35
• 3.2.2 原子云圖生成35
• 3.2.3 云圖特征向量與索引35-37
• 3.3 實驗結(jié)果與分析37-45
• 3.3.1 實驗設(shè)置37-42
• 3.3.2 與傳統(tǒng)CBIR的比較42-43
• 3.3.3 參數(shù)分析43-45
• 3.4 本章小結(jié)45-46
• 4 基于主題模型的云圖檢索方法46-58
• 4.1 引言46-47
• 4.2 主題模型的云圖檢索47-54
• 4.2.1 方法概述47-48
• 4.2.2 云圖視覺詞典和量化48-51
• 4.2.3 特征向量索引模型的建立和查詢51-54
• 4.3. 實驗結(jié)果與分析54-57
• 4.3.1 實驗設(shè)置54
• 4.3.2 與現(xiàn)有模型的比較54-56
• 4.3.3 參數(shù)分析56-57
• 4.4 本章小結(jié)57-58
• 5 在線圖像檢索實驗平臺簡介58-63
• 5.1 平臺概述58
• 5.2 各模塊功能簡介58-63
• 6 結(jié)論和展望63-64
• 參考文獻64-66
• 作者簡歷66-68
• 學位論文數(shù)據(jù)集68

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 伯將軍;郭書軍;伍淳華;;SIFT局部特征描述算法在圖像版權(quán)搜索中的應(yīng)用[J];電子設(shè)計工程;2012年03期

2 魏峰;王延濤;;基于內(nèi)容的圖像檢索技術(shù)綜述[J];產(chǎn)業(yè)與科技論壇;2013年04期

3 李向陽,莊越挺,潘云鶴;基于內(nèi)容的圖像檢索技術(shù)與系統(tǒng)[J];計算機研究與發(fā)展;2001年03期

4 莊越挺;潘云鶴;芮勇;ThomasS.Huang;;基于內(nèi)容的圖像檢索綜述[J];模式識別與人工智能;1999年02期

5 霍娟,呂達仁;全天空數(shù)字相機觀測云量的初步研究[J];南京氣象學院學報;2002年02期

6 陳暢懷;韓立新;曾曉勤;王敏;;基于視覺特征的圖像檢索重排序[J];信息技術(shù);2012年12期

7 宋克臣;顏云輝;陳文輝;張旭;;局部二值模式方法研究與展望[J];自動化學報;2013年06期

，

本文編號：967102