隨著現(xiàn)代互聯(lián)網(wǎng)技術(shù)的發(fā)展以及商業(yè)化應(yīng)用的出現(xiàn),網(wǎng)絡(luò)所包含的圖像資源數(shù)不勝數(shù)。傳統(tǒng)的檢索技術(shù)需要進(jìn)行人工標(biāo)注,這就意味著會(huì)花費(fèi)大量的時(shí)間、人力與物力;且顏色、紋理、或者形狀等單一特征也不能完全表達(dá)圖像所包含的豐富內(nèi)容,特別是對(duì)于圖案復(fù)雜的刺繡圖像,單單以某一種屬性作為檢索條件,并不能達(dá)到如期效果。青海擁有豐富的非物質(zhì)文化遺產(chǎn),具有鮮明民族特征、地域特性、底蘊(yùn)豐富的傳統(tǒng)民族刺繡就是其中之一。青海民族刺繡題材豐富、顏色艷麗、用途廣泛、極具藝術(shù)價(jià)值,以數(shù)字圖像的方式將其記錄保存尤為重要。圖像記錄就意味著會(huì)產(chǎn)生大量的刺繡圖像資源,這就會(huì)涉及到資源的查找等操作。因此利用這些刺繡圖像資源,實(shí)現(xiàn)對(duì)其有針對(duì)性、高效、精準(zhǔn)地檢索,對(duì)于方便相關(guān)人員查詢使用、圖像資源高效管理和保護(hù)傳承刺繡文化遺產(chǎn)、傳播發(fā)揚(yáng)民族文化具有重要的意義。由于卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像有著很強(qiáng)的處理能力,不僅可以直接以圖像作為輸入,而且不需要人工進(jìn)行額外的圖像預(yù)處理和特征提取,因此本文針對(duì)卷積神經(jīng)網(wǎng)絡(luò)結(jié)合PCA降維以及距離相似性算法在刺繡圖像檢索里的應(yīng)用進(jìn)行了深入研究。針對(duì)青海民族刺繡圖像的檢索,本文做了以下相關(guān)工作:1、采用了VGG16卷積... 

【文章來(lái)源】：青海師范大學(xué)青海省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 圖像檢索研究現(xiàn)狀
        1.2.2 卷積神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀
    1.3 文章內(nèi)容與組織結(jié)構(gòu)
第二章 圖像檢索與卷積神經(jīng)網(wǎng)絡(luò)
    2.1 圖像檢索技術(shù)
        2.1.1 基于文本的圖像檢索
        2.1.2 基于內(nèi)容的圖像檢索
    2.2 特征提取
        2.2.1 形狀特征
        2.2.2 顏色特征
        2.2.3 紋理特征
        2.2.4 空間關(guān)系特征
    2.3 相似性度量技術(shù)
        2.3.1 基于距離的相似性度量
        2.3.2 基于學(xué)習(xí)的相似性度量
    2.4 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.1 卷積層
        2.4.2 池化層
        2.4.3 激活函數(shù)
        2.4.4 代價(jià)函數(shù)
    2.5 本章小結(jié)
第三章 刺繡圖像檢索
    3.1 提取特征向量
    3.2 PCA特征降維
    3.3 相似性檢索
    3.4 本章小結(jié)
第四章 實(shí)驗(yàn)過(guò)程與結(jié)果分析
    4.1 刺繡數(shù)據(jù)集
    4.2 圖像預(yù)處理
        4.2.1 直方圖
        4.2.2 直方圖均衡化
        4.2.3 圖像縮放
    4.3 圖像特征提取
        4.3.1 VGG16特征提取
        4.3.2 Gabor特征提取
        4.3.3 LBP特征提取
        4.3.4 HOG與 HAAR特征提取
        4.3.5 ORB特征提取
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 PCA對(duì)檢索結(jié)果的影響
        4.4.2 圖像大小對(duì)檢索結(jié)果的影響
        4.4.3 相似性算法對(duì)檢索結(jié)果的影響
    4.5 圖像檢索系統(tǒng)
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
參與科研項(xiàng)目及取得成果


【參考文獻(xiàn)】：
期刊論文
[1]基于局部二值模式與深度置信網(wǎng)絡(luò)的人臉識(shí)別[J]. 滿忠昂,劉紀(jì)敏,孫宗錕.  軟件工程. 2020(05)
[2]點(diǎn)特征相似與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的SAR圖像分類算法研究[J]. 許開煒,楊學(xué)志,艾加秋,張安駿.  地理與地理信息科學(xué). 2019(03)
[3]非物質(zhì)文化遺產(chǎn)的數(shù)字化保護(hù)與開發(fā)——以青海刺繡藝術(shù)為例[J]. 張效娟.  青海社會(huì)科學(xué). 2018(03)
[4]形狀特征提取的研究綜述[J]. 李小雨,黃昶,程愛靈.  信息通信. 2017(02)
[5]基于深度卷積網(wǎng)絡(luò)算法的人臉識(shí)別方法研究[J]. 龍海強(qiáng),譚臺(tái)哲.  計(jì)算機(jī)仿真. 2017(01)
[6]快速顏色特征提取改進(jìn)算法研究[J]. 李慶利,王永強(qiáng),張帆,陳寶.  福建電腦. 2014(06)
[7]圖像特征提取研究[J]. 翟俊海,趙文秀,王熙照.  河北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(01)

博士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究及應(yīng)用[D]. 高震宇.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]紋理圖像特征提取與分類研究[D]. 許文韜.華東師范大學(xué) 2017

碩士論文
[1]基于數(shù)據(jù)挖掘的臨界暫態(tài)穩(wěn)定邊界特征提取方法研究[D]. 趙高尚.東北電力大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的刺繡風(fēng)格數(shù)字合成[D]. 鄭銳.云南大學(xué) 2019
[3]應(yīng)用于手寫數(shù)字識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)算法與FPGA實(shí)現(xiàn)[D]. 周凱利.重慶郵電大學(xué) 2019
[4]基于深度學(xué)習(xí)的服裝圖像分類與檢索[D]. 包青平.浙江大學(xué) 2017



本文編號(hào)：3051251