本文所研究內(nèi)容為賀蘭山巖畫的圖像語義識別。對圖像語義識別的研究已經(jīng)成為模式識別與圖像處理、人工智能、計(jì)算機(jī)視覺領(lǐng)域的熱點(diǎn)問題,在圖像分析領(lǐng)域占據(jù)了越來越重要的位置。圖像語義識別即將圖像中所包含的內(nèi)容信息用語言表達(dá)出來,輸入一幅圖像,輸出則是該圖像所對應(yīng)的語義信息,使計(jì)算機(jī)類似人類大腦一樣具有將視覺所看到的事物進(jìn)行描述的功能。通過對近年來學(xué)者對圖像語義識別的研究的學(xué)習(xí),本文所做的工作主要分為以下幾點(diǎn):（1）制作賀蘭山巖畫的圖像數(shù)據(jù)集。賀蘭山巖畫景區(qū)位于寧夏回族自治區(qū)銀川市賀蘭縣巖畫路,通過進(jìn)行實(shí)地考察,使用攝影設(shè)備采集巖畫圖片,經(jīng)過后期的處理,制作出一個(gè)滿足實(shí)驗(yàn)需要的賀蘭山巖畫的圖像數(shù)據(jù)集。（2）針對傳統(tǒng)圖像特征提取方法提取效率低、準(zhǔn)確率低的特點(diǎn),本文選擇使用卷積神經(jīng)網(wǎng)絡(luò)算法對圖像進(jìn)行低層特征提取,并對卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及優(yōu)缺點(diǎn)進(jìn)行了研究。（3）針對基于直接支持向量機(jī)的卷積神經(jīng)網(wǎng)絡(luò)圖像識別算法計(jì)算復(fù)雜度高的特點(diǎn),本文提出一種基于核函數(shù)二叉樹支持向量機(jī)的卷積神經(jīng)網(wǎng)絡(luò),將基于高斯核函數(shù)的二叉樹結(jié)構(gòu)支持向量機(jī)與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合,生成新的模型,減小了計(jì)算復(fù)雜度,提高了識別精度。（4）針對經(jīng)典卷積... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１圖像檢索框架圖??

為保證圖像的清晰，在采集賀蘭山巖畫的圖像過程中，應(yīng)注意相機(jī)的準(zhǔn)確對焦及拍攝的??角度。當(dāng)有其他物體遮擋，造成陰影時(shí)，應(yīng)盡量使拍攝的圖像無陰影遮擋，或使圖像完全在陰影??中。拍攝遠(yuǎn)景圖像時(shí)，盡量保證鏡頭與拍攝畫面平行，使圖像不發(fā)生變形、扭曲。如圖２－２所示??為采集的圖像。??議??（ａ）?（ｂ）??－９－??

（ｃ）?Ｃｄ）??圖２－２采集的圖像??（２）圖片數(shù)量??根據(jù)賀蘭山巖畫景區(qū)的實(shí)際情況，所拍攝到的巖畫的種類有５類，包括人面像、猴頭像、臉??譜人面像、羊像和太陽神像。由于巖畫飽經(jīng)滄桑，風(fēng)化嚴(yán)重，幸存的巖畫有些也已經(jīng)漫漶不清，??所以拍攝的圖像數(shù)量較少，有些也己模糊的看不出具體內(nèi)容。經(jīng)篩選后，選�。愁愝^多的圖像制??作數(shù)據(jù)集，可以使用的圖片數(shù)量為１５０張，后期經(jīng)過圖像的左右移動(dòng)、截取、及反轉(zhuǎn)來增加樣本??的數(shù)量，按照８：２的比例來設(shè)置訓(xùn)練集、測試集的數(shù)量。??２．２．２增加賀蘭山巖畫的圖像數(shù)量??本文將使用深度網(wǎng)絡(luò)模型來訓(xùn)練數(shù)據(jù)集，當(dāng)圖片數(shù)量較少時(shí)，模型訓(xùn)練數(shù)據(jù)不夠，無法對整??個(gè)數(shù)據(jù)的分布進(jìn)行估計(jì)，會(huì)造成過擬合的現(xiàn)象的產(chǎn)生。本文所拍攝的圖片數(shù)量有限，不能夠達(dá)到??深度學(xué)習(xí)中要求大量數(shù)據(jù)的要求

【參考文獻(xiàn)】：
期刊論文
[1]基于循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測與分類[J]. 艾玲梅,葉雪娜.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(02)
[2]一種改進(jìn)的基于支持向量機(jī)的多類分類方法[J]. 趙亮.  計(jì)算機(jī)應(yīng)用與軟件. 2014(12)
[3]改進(jìn)的二叉樹支持向量機(jī)在多分類中的應(yīng)用[J]. 李燕玲,蘇一丹.  計(jì)算機(jī)技術(shù)與發(fā)展. 2014(07)
[4]多媒體數(shù)據(jù)語義鴻溝問題分析[J]. 謝毓湘,欒悉道,吳玲達(dá).  武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版). 2011(06)
[5]基于抽象隱馬爾可夫模型的運(yùn)動(dòng)行為識別方法[J]. 錢堃,馬旭東,戴先中.  模式識別與人工智能. 2009(03)
[6]一種基于多尺度語義分析的圖像識別方法[J]. 陳立偉,李春燕.  計(jì)算機(jī)應(yīng)用研究. 2009(02)
[7]圖像檢索中語義映射方法綜述[J]. 李志欣,施智平,李志清,史忠植.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2008(08)

碩士論文
[1]基于改進(jìn)支持向量機(jī)的卷積神經(jīng)網(wǎng)絡(luò)圖像識別方法研究[D]. 劉杰.河南大學(xué) 2018
[2]農(nóng)田場景下的圖像語義分割方法研究[D]. 鞏祎明.西北農(nóng)林科技大學(xué) 2018
[3]基于深度學(xué)習(xí)的無監(jiān)督型圖像語義分析[D]. 黃迪.杭州電子科技大學(xué) 2018
[4]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的圖像分類研究[D]. 曹惠珍.廣西師范大學(xué) 2017
[5]面向網(wǎng)絡(luò)輿情的文本分類系統(tǒng)研究與實(shí)現(xiàn)[D]. 張紅軍.電子科技大學(xué) 2017
[6]基于顏色和形狀特征的圖像檢索技術(shù)及其應(yīng)用[D]. 潘永勝.太原理工大學(xué) 2014
[7]基于線條和結(jié)構(gòu)模塊識別的圖像語義識別方法[D]. 李冰季.華中師范大學(xué) 2014
[8]海量圖像的描述與合成方法研究[D]. 王敏.北京交通大學(xué) 2013
[9]基于語義的圖像分類方法研究[D]. 盧寅.華南理工大學(xué) 2011



本文編號：3145917