視覺作為人類認識世界、了解世界的一個重要媒介,為人類形象生動的展示了這個豐富多彩的世界。由于當今的各種信息的數(shù)據(jù)量呈指數(shù)級的展現(xiàn)在人們眼前,以圖像信息為例,從大數(shù)據(jù)中找到真正符合心意的圖像變得越來越困難。傳統(tǒng)的基于內(nèi)容的圖像檢索技術(shù),例如基于顏色、紋理、空間形狀等的圖像檢索,雖然解決了基于文本的圖像檢索的工作量大、人的主觀因素的影響大等缺點,但是仍不能有效提取圖像的高級語義特征。因此,在當今圖像信息量日益增長的形勢下,高效地進行圖像檢索成為我們追求的目標之一。本文針對圖像的深層語義特征的弱表達能力及圖像特征數(shù)據(jù)的高維度的問題,提出一種基于卷積神經(jīng)網(wǎng)絡和PCA降維的圖像檢索方法。首先,通過遷移學習后的卷積神經(jīng)網(wǎng)絡提取圖像庫中圖像的語義特征并構(gòu)建特征庫。先用Inception-v3模型在Corel、Caltech-256數(shù)據(jù)集上做遷移學習,得到遷移學習后的卷積神經(jīng)網(wǎng)絡。再用遷移學習后的卷積神經(jīng)網(wǎng)絡提取Corel、Caltech-256數(shù)據(jù)集的圖像特征,獲得對應數(shù)據(jù)集的圖像特征庫。其次,使用PCA對經(jīng)遷移學習后的卷積神經(jīng)網(wǎng)絡提取的圖像特征庫中的特征做降維,降維至64、96、128、256維,... 

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

基于文本的檢索流程

且精度較高，故曾流行增，這種方式的缺點也逐故各人對圖像的描述也不達能力，人工很可能無法法準確描述圖像抽象的、給圖片進行的文本標注也工標注，從而導致人工成術(shù)國家科學基金會于 1992 在表達圖像自身含義，而非息的不再是人工語義而是此發(fā)展處了基于內(nèi)容的

人工對圖像的標注，在卷積神經(jīng)網(wǎng)絡出現(xiàn)后，特征提取的重點就是圖像自身的深度的語義信息�；趦�(nèi)容的圖像檢索所包含的步驟主要涉及提取圖像庫中圖像內(nèi)容方面的任一特征，可以是顏色、紋理或者形狀等等，然后在檢索過程中，將目標圖像的內(nèi)容特征與特征庫中的信息依次做比較，找到與目標圖像的內(nèi)容特征極為相似的圖片即可。因此，選取圖像哪方面的內(nèi)容做圖像特征，以及目標圖像的內(nèi)容特征與特征庫中的信息做比較時采用哪種比較方法，是整個圖像檢索過程中的最重要的兩個部分。本章將闡述圖像的內(nèi)容方面的特征種類，以及常見的相似性度量算法。以圖像內(nèi)容為基礎(chǔ)的圖像檢索的具體流程是，首先，確定文章使用的數(shù)據(jù)集，再對圖像數(shù)據(jù)集中的圖片進行預處理。其次，對數(shù)據(jù)集中的圖片進行特征提取，提取算法根據(jù)文章所采用的圖像的特征類型而定。聚集已提取的圖片特征構(gòu)建特征庫。然后，把想要檢索的目標圖片的特征提取出來，提取方式與特征庫構(gòu)建時采用的特征提取方式相同。最后，把目標圖片的特征與圖片特征庫中的特征進行比較，比較的算法可以是歐式距離、余弦夾角等等，返回排名靠前的檢索結(jié)果，并顯示圖片作為檢索結(jié)果。上述過程的具體流程如圖 2.1 所示。

【參考文獻】：
期刊論文
[1]基于深度學習的圖像檢索系統(tǒng)[J]. 胡二雷,馮瑞.  計算機系統(tǒng)應用. 2017(03)
[2]基于深度卷積神經(jīng)網(wǎng)絡的圖像檢索算法研究[J]. 劉海龍,李寶安,呂學強,黃躍.  計算機應用研究. 2017(12)
[3]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[4]基于卷積神經(jīng)網(wǎng)絡和監(jiān)督核哈希的圖像檢索方法[J]. 柯圣財,趙永威,李弼程,彭天強.  電子學報. 2017(01)
[5]基于PCA降維的云資源狀態(tài)監(jiān)控數(shù)據(jù)壓縮技術(shù)[J]. 洪斌,鄧波,彭甫陽,包陽,馮學偉.  計算機科學. 2016(08)
[6]基于內(nèi)容的圖像檢索（CBIR）中圖像顏色特征提取方法的研究和改進[J]. 楊光皓,霍智勇,梁雨,郭云仙.  電腦知識與技術(shù). 2014(11)
[7]基于內(nèi)容的圖像檢索[J]. 詹洪陳,王懷登,何菁,袁杰.  現(xiàn)代電子技術(shù). 2014(07)
[8]互聯(lián)網(wǎng)內(nèi)容相似圖像搜索的研究[J]. 李楠.  科技信息. 2013(36)
[9]一種基于顏色特征的圖像質(zhì)量評價算法[J]. 高攀,楊爽,孟放.  電視技術(shù). 2012(16)
[10]一種基于SVM和主動學習的圖像檢索方法[J]. 張玉芳,陳卓,熊忠陽,劉君,王銀輝.  計算機工程與應用. 2010(24)

碩士論文
[1]基于深度學習的圖像語義提取與圖像檢索技術(shù)研究[D]. 羅世操.東華大學 2016
[2]基于深度學習的相似圖像搜索算法研究[D]. 呂金濤.華北電力大學 2015
[3]基于支持向量機的圖像檢索方法的研究[D]. 孫文峰.中國海洋大學 2012
[4]注意力驅(qū)動的兩階段圖像檢索方法研究[D]. 趙秋實.東北師范大學 2007



本文編號：3651405