隨著計算機(jī)信息技術(shù)的高速發(fā)展和多媒體處理設(shè)備的應(yīng)用和普及,數(shù)字圖像的數(shù)據(jù)量呈現(xiàn)指數(shù)級快速增長的趨勢。面對與日俱增的數(shù)字圖像資源,如何從中準(zhǔn)確高效地查找到系統(tǒng)管理者所需要的圖像資料成為一個急需解決的技術(shù)難題。首先應(yīng)用的是基于文本的圖像檢索方法,隨后基于內(nèi)容的圖像檢索方法通過利用顏色、紋理、空間形狀等特性,有效解決了人工語義標(biāo)簽工作量大和表達(dá)不規(guī)范的缺陷。然而,由于這種方法所提取的圖像特征維度高并且未能充分表達(dá)深層語義特征,導(dǎo)致在圖像數(shù)據(jù)量增多的情況下,存儲消耗攀升,檢索速度和準(zhǔn)確率急速下降。針對未能準(zhǔn)確表示圖像深層語義特征和解決特征數(shù)據(jù)高維度的問題,本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)和哈希技術(shù)的圖像檢索方法。該方法首先結(jié)合卷積神經(jīng)網(wǎng)絡(luò)模型強(qiáng)大的深度學(xué)習(xí)能力進(jìn)行圖像特征提取,獲取相似圖像視覺特征之間的內(nèi)在隱含聯(lián)系,得到數(shù)字圖像的深層語義特征數(shù)據(jù);接著通過預(yù)訓(xùn)練的堆疊自編碼器對特征向量進(jìn)行降維處理,利用特征數(shù)據(jù)的稀疏性和Frobenius范數(shù)對堆疊自編碼器進(jìn)行約束規(guī)范,通過增添正則懲罰項強(qiáng)化算法的魯棒性;然后運(yùn)用迭代量化的哈希學(xué)習(xí)方法調(diào)整旋轉(zhuǎn)矩陣,使得映射量化誤差最小化,從而得到圖像特征映射的二進(jìn)... 

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 圖像檢索國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 圖像檢索相關(guān)理論介紹
    2.1 圖像特征提取
        2.1.1 全局特征
        2.1.2 局部特征
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 神經(jīng)元
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)模型
    2.3 哈希學(xué)習(xí)方法
        2.3.1 無監(jiān)督哈希方法
        2.3.2 有監(jiān)督哈希方法
    2.4 相似性度量
    2.5 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)和哈希學(xué)習(xí)的圖像檢索
    3.1 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像特征提取方法
        3.1.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.1.2 預(yù)訓(xùn)練網(wǎng)絡(luò)模型
        3.1.3 基于遷移學(xué)習(xí)的網(wǎng)絡(luò)微調(diào)
    3.2 基于堆疊自編碼器的哈希圖像檢索算法
        3.2.1 自編碼器
        3.2.2 堆疊自編碼器的構(gòu)建
        3.2.3 堆疊自編碼器的訓(xùn)練過程
        3.2.4 基于堆疊自編碼器的哈希算法
    3.3 圖像檢索流程
    3.4 本章小結(jié)
第4章 圖像檢索實驗結(jié)果與分析
    4.1 圖像數(shù)據(jù)集及預(yù)處理
        4.1.1 圖像檢索數(shù)據(jù)集
        4.1.2 圖像預(yù)處理
    4.2 圖像檢索性能評價指標(biāo)
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于內(nèi)容的圖像檢索技術(shù)研究[J]. 黃祥林,沈蘭蓀.  電子學(xué)報. 2002(07)

博士論文
[1]基于視覺信息的圖像特征提取算法研究[D]. 戴金波.吉林大學(xué) 2013

碩士論文
[1]基于深度哈希網(wǎng)絡(luò)的圖像檢索研究[D]. 毛夢蝶.電子科技大學(xué) 2018



本文編號：3681736