場(chǎng)景解析是計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)重要而具有挑戰(zhàn)性的工作,研究的主要內(nèi)容是為圖像中的每個(gè)像素標(biāo)記一個(gè)類別標(biāo)簽,在自動(dòng)駕駛、機(jī)器人導(dǎo)航、環(huán)境監(jiān)測(cè)、基于內(nèi)容的圖像搜索等多個(gè)領(lǐng)域具有廣泛的應(yīng)用。場(chǎng)景解析通常包括圖像分割、目標(biāo)類別檢測(cè)、以及圖像多標(biāo)簽識(shí)別問題等,在早期的計(jì)算機(jī)視覺研究中,這些問題已經(jīng)被提出,雖然許多研究人員對(duì)這些問題展開研究,但是至今沒有得到較好的解決。場(chǎng)景解析的難點(diǎn)是獲得圖像中具有較強(qiáng)表達(dá)力的語義特征以及提高圖像小目標(biāo)（占有較少像素）的識(shí)別率。本文針對(duì)這兩方面的問題,提出了基于多特征和樣例SVM的場(chǎng)景解析方法。首先,本文在訓(xùn)練集圖像中計(jì)算與查詢圖像最相似（場(chǎng)景相似、空間布局相似和目標(biāo)相似）的圖像,由這些圖像構(gòu)成檢索集,因此檢索集中的圖像數(shù)量小于訓(xùn)練集中的圖像數(shù)量。使得查詢圖像中每個(gè)像素的類標(biāo)簽就被限定為檢索集圖像中像素的類標(biāo)簽,從而減少算法的計(jì)算量。其次,基于深度卷積特征與傳統(tǒng)的淺層SIFT和GIST特征相結(jié)合的方式構(gòu)建圖像全局和局部的像素分類特征,并在超像素級(jí)對(duì)查詢圖像與檢索集圖像進(jìn)行匹配,從而獲得查詢圖像中超像素的分類似然值,取最大似然值作為超像素的標(biāo)注。最后,結(jié)合支持向量... 

【文章來源】：河北工業(yè)大學(xué)天津市 211工程院校

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
        1.1.1 課題研究背景
        1.1.2 課題研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 本文主要內(nèi)容和章節(jié)安排
        1.3.1 本文主要內(nèi)容
        1.3.2 本文章節(jié)安排
第二章 場(chǎng)景解析相關(guān)理論
    2.1 超像素分割算法
        2.1.1 SLIC超像素分割算法
    2.2 特征提取算法
        2.2.1 SIFT特征
        2.2.2 GIST特征
        2.2.3 深度卷積特征
    2.3 支持向量機(jī)
        2.3.1 線性可分支持向量機(jī)
        2.3.2 線性不可分支持向量機(jī)
        2.3.3 非線性支持向量機(jī)
    2.4 本章小結(jié)
第三章 圖像數(shù)據(jù)的采集及預(yù)處理
    3.1 獲取真實(shí)場(chǎng)景的圖像
    3.2 圖像標(biāo)準(zhǔn)化
    3.3 圖像標(biāo)注
    3.4 本章小結(jié)
第四章 基于多特征和樣例SVM的場(chǎng)景解析
    4.1 特征提取
        4.1.1 圖像的全局特征
        4.1.2 圖像的局部特征
    4.2 樣例SVM
    4.3 MRF推理
    4.4 本章小結(jié)
第五章 場(chǎng)景解析模型的建立以及實(shí)驗(yàn)結(jié)果
    5.1 場(chǎng)景解析模型的建立
        5.1.1 數(shù)據(jù)集的介紹
        5.1.2 相關(guān)參數(shù)的設(shè)置
        5.1.3 模型的建立
    5.2 實(shí)驗(yàn)結(jié)果及分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 研究工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝


【參考文獻(xiàn)】：
博士論文
[1]基于遷移學(xué)習(xí)與深度卷積特征的圖像標(biāo)注方法研究[D]. 宋光慧.浙江大學(xué) 2017

碩士論文
[1]非參數(shù)化RGB-D場(chǎng)景理解[D]. 費(fèi)婷婷.浙江大學(xué) 2016
[2]基于多種圖像特征的圖像標(biāo)注研究[D]. 李振鵬.山東大學(xué) 2015
[3]基于視覺和語義信息的圖像標(biāo)注方法研究[D]. 楊帆.哈爾濱工程大學(xué) 2012
[4]自然場(chǎng)景圖像的自動(dòng)標(biāo)注方法研究[D]. 代麗潔.哈爾濱工程大學(xué) 2010
[5]圖像分類和圖像語義標(biāo)注的研究[D]. 張磊.山東大學(xué) 2008



本文編號(hào)：3201888