近年來(lái),隨著互聯(lián)網(wǎng)及多媒體技術(shù)的飛速發(fā)展,圖像數(shù)據(jù)呈爆炸式增長(zhǎng),如何在海量圖像中搜索到目標(biāo)圖像引起越來(lái)越多專家學(xué)者的關(guān)注。作為基于內(nèi)容的圖像檢索（CBIR）中最關(guān)鍵的一步,圖像特征提取一直是圖像檢索技術(shù)研究的熱點(diǎn)和發(fā)展方向。深度學(xué)習(xí)能夠讓計(jì)算機(jī)自主學(xué)習(xí),獲得圖像深層次特征,彌補(bǔ)用戶與計(jì)算機(jī)之間的“語(yǔ)義鴻溝”,提高圖像檢索準(zhǔn)確率。本文對(duì)如何快速有效地提取圖像特征進(jìn)行研究,通過(guò)嘗試改進(jìn)VGG-16網(wǎng)絡(luò)模型,更高效地實(shí)現(xiàn)圖像檢索。首先,本文簡(jiǎn)單介紹了圖像檢索領(lǐng)域的研究背景及意義,從基于內(nèi)容的圖像檢索以及深度學(xué)習(xí)兩個(gè)方面分析了國(guó)內(nèi)外研究現(xiàn)狀。其次,從CBIR的基礎(chǔ)理論和深度學(xué)習(xí)兩方面介紹相關(guān)理論知識(shí)。從圖像特征提取、相似性度量方法以及性能評(píng)價(jià)等方面對(duì)CBIR技術(shù)進(jìn)行介紹,最后簡(jiǎn)要介紹了深度學(xué)習(xí)方面的相關(guān)理論知識(shí)和技術(shù)。然后,提出了一種基于多特征融合的圖像檢索算法。在HSV顏色空間中對(duì)圖像進(jìn)行非均勻量化的基礎(chǔ)上,提取圖像CCM、LBP及DBPMM特征,通過(guò)融合提取的多種圖像特征,充分描述圖像內(nèi)容信息,提高檢索準(zhǔn)確率。并且在ZuBuD圖像庫(kù)以及Corel標(biāo)準(zhǔn)圖像庫(kù)上進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)證明了融合特征... 

【文章來(lái)源】：青島科技大學(xué)山東省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

深度學(xué)習(xí)的發(fā)展歷程

基于深度學(xué)習(xí)的圖像檢索方法研究22圖2-3主流深度學(xué)習(xí)框架發(fā)展情況對(duì)比Fig.2-3Developmentcomparisonofmainstreamdeeplearningframeworks2.4本章小結(jié)本章主要重點(diǎn)介紹CBIR的基礎(chǔ)理論和深度學(xué)習(xí)相關(guān)技術(shù)。首先，簡(jiǎn)要闡述基于內(nèi)容進(jìn)行圖像檢索的一般步驟。其次，分別從圖像特征提娶相似性度量方法以及模型性能評(píng)價(jià)指標(biāo)等多個(gè)方面對(duì)CBIR技術(shù)進(jìn)行介紹。最后，簡(jiǎn)單介紹深度學(xué)習(xí)方面的相關(guān)理論知識(shí)和技術(shù)。

青島科技大學(xué)研究生學(xué)位論文31以及1F值對(duì)檢索結(jié)果進(jìn)行評(píng)價(jià)。計(jì)算公式分別為：TPPTPFP=+（3-9）TPRTPFN=+（3-10）12PRFPR=+（3-11）3.3實(shí)驗(yàn)及結(jié)果分析本文選取ZuBuD圖像庫(kù)[52]以及Corel標(biāo)準(zhǔn)圖像庫(kù)[53]作為實(shí)驗(yàn)數(shù)據(jù)集。ZuBuD圖像庫(kù)是由兩部分內(nèi)容組成的建筑物圖像庫(kù)，第一部分包含1005張圖像，其中每5張圖像為相似圖像；第二部分包含115張查詢圖像。Corel標(biāo)準(zhǔn)圖像庫(kù)是科雷爾公司進(jìn)行收集整理的用于各種圖像相關(guān)實(shí)驗(yàn)的數(shù)據(jù)集，由1000張不同類別圖像組成，共包含人類、大象、花等10種類型，每種類型圖像各100張。首先，在ZuBuD圖像庫(kù)上采用本文提出的方法進(jìn)行檢索實(shí)驗(yàn)。從ZuBuD圖像庫(kù)查詢部分的115張圖像中隨機(jī)抽取一張作為目標(biāo)圖像（如圖3-5），按照本文提出模型的檢索流程，最終輸出的檢索結(jié)果見(jiàn)圖3-6。圖3-5隨機(jī)抽取的目標(biāo)圖像Fig.3-5Randomlyextractedtargetimages（a）（b）

【參考文獻(xiàn)】：
期刊論文
[1]基于多特征融合的圖像檢索方法研究[J]. 劉清.  電腦與電信. 2019(10)
[2]基于深度學(xué)習(xí)的圖像檢索研究[J]. 孫奇平.  景德鎮(zhèn)學(xué)院學(xué)報(bào). 2018(03)
[3]基于深度學(xué)習(xí)的顯著性區(qū)域的圖像檢索研究[J]. 王立新,江加和.  應(yīng)用科技. 2018(06)
[4]深度學(xué)習(xí)發(fā)展綜述[J]. 侯宇青陽(yáng),全吉成,王宏偉.  艦船電子工程. 2017(04)
[5]基于深度學(xué)習(xí)的圖像檢索系統(tǒng)[J]. 胡二雷,馮瑞.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(03)
[6]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[7]基于像素差分基元矩陣的圖像檢索[J]. 朱華東,宋威.  計(jì)算機(jī)應(yīng)用研究. 2015(10)
[8]基于融合多特征的社會(huì)網(wǎng)上圖像檢索方法[J]. 郭海鳳,李廣水,仇彬任.  計(jì)算機(jī)與現(xiàn)代化. 2013(12)
[9]基于內(nèi)容的圖像檢索技術(shù)[J]. 孫君頂,原芳.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2011(08)
[10]一種基于多特征融合的圖像檢索方法[J]. 孔凡輝,柏曉輝,竺如生.  哈爾濱商業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(03)

碩士論文
[1]基于機(jī)器學(xué)習(xí)的圖像檢索算法研究[D]. 朱佳欣.北京郵電大學(xué) 2018
[2]基于深度學(xué)習(xí)的圖像檢索研究[D]. 戴世穩(wěn).湖南大學(xué) 2017
[3]基于哈希編碼的圖像檢索算法研究[D]. 趙秦敏.電子科技大學(xué) 2017
[4]基于LDA主題模型的圖像檢索研究[D]. 郭凱波.大連海事大學(xué) 2017
[5]基于SVM的相關(guān)反饋圖像檢索技術(shù)研究[D]. 金磊.華東師范大學(xué) 2006



本文編號(hào)：3468075