發(fā)布時(shí)間：2021-06-21 11:34

　　圖像分類(lèi)作為計(jì)算機(jī)視覺(jué)的一個(gè)重要分支,已經(jīng)廣泛應(yīng)用于多種生活場(chǎng)景中。隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,網(wǎng)絡(luò)數(shù)據(jù)愈發(fā)多樣化,圖像內(nèi)容和規(guī)模的復(fù)雜化使得圖像分類(lèi)技術(shù)面臨著巨大的挑戰(zhàn)。因此如何高效提取圖像特征并設(shè)計(jì)合理的分類(lèi)器以提高分類(lèi)精度,已經(jīng)成為圖像分類(lèi)領(lǐng)域的熱點(diǎn)研究課題。本文針對(duì)圖像分類(lèi)進(jìn)行的工作如下,提出基于多分辨率LNIP的紋理特征描述子和基于局部相對(duì)顏色矢量角模式的顏色特征描述子。紋理特征提取中,首先對(duì)圖像進(jìn)行小波分解獲得圖像的多尺度信息,然后利用局部鄰域增強(qiáng)模式提取多尺度圖像子塊的特征;顏色特征提取中,首先對(duì)圖像的顏色空間單道色進(jìn)行兩兩組合獲得矢量信息,然后構(gòu)建局部相對(duì)顏色矢量角提取顏色特征。在Corel-1K數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn),提出的兩種特征描述子在DBN分類(lèi)器中的分類(lèi)精度達(dá)到83.4%和83.6%,在同一分類(lèi)器下與其他特征描述子分類(lèi)結(jié)果相比有較大的提升。Adaboost作為一種集成算法能夠和多個(gè)同質(zhì)分類(lèi)器構(gòu)成強(qiáng)分類(lèi)模型,提高分類(lèi)精度。在分類(lèi)算法設(shè)計(jì)中,本文針對(duì)Adaboost算法要求基分類(lèi)器分類(lèi)精度較高的缺點(diǎn)對(duì)其進(jìn)行改進(jìn),并以DBN作為基分類(lèi)器設(shè)計(jì)了單輸入Adaboost-DBN... 

【文章來(lái)源】：哈爾濱商業(yè)大學(xué)黑龍江省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LBP模式

2圖像特征提取及分類(lèi)器相關(guān)理論11圖2-2局部鄰域差異模式2.1.3局部鄰域增強(qiáng)模式傳統(tǒng)的LBP模式將圖像中的中心像素與鄰域像素進(jìn)行比較，從而生成二進(jìn)制模式值。此模式只考慮像素之間的大小關(guān)系，未將像素之間的差值考慮進(jìn)來(lái)。圖2-3表示兩種完全不同的局部結(jié)構(gòu)模式，經(jīng)過(guò)LBP編碼后得到相同的二進(jìn)制碼，表明經(jīng)過(guò)LBP編碼的局部結(jié)構(gòu)模式丟失了大量的局部信息，同時(shí)LBP也忽略了相鄰像素對(duì)其二進(jìn)制編碼的影響。Banerjee等人[44]提出了一種基于局部鄰域增強(qiáng)模式（LocalNeighborhoodIntensityPattern，LNIP）的紋理描述子。所提出的方法是基于特定像素的鄰域擁有大量紋理信息的概念，這些信息可以被用于有效的紋理表示。利用相鄰像素之間的相互關(guān)系的原因在于，模式計(jì)算不僅依賴(lài)于中心像素與其一個(gè)鄰域像素之間的強(qiáng)度差的符號(hào)，而且考慮它們之間的差值的符號(hào)，以及鄰域像素與其相鄰像素之間的關(guān)系。這樣可以使得圖像值更能抵抗光照變化。此外，大部分LBP局部模式主要集中在符號(hào)信息上，從而忽略了幅度。通過(guò)考慮每個(gè)像素與相鄰像素的絕對(duì)偏差的平均值，作為紋理描述符補(bǔ)充信息。最后，符號(hào)模式和幅度模式被連接成單個(gè)特征描述符來(lái)生成更有效的特征描述符。局部鄰域增強(qiáng)模式按照?qǐng)D2-4所示計(jì)算LNIP模式值。圖中顯示中心像素cI的8個(gè)鄰域像素中的每一個(gè)鄰域（像素）-相鄰（像素）關(guān)系。當(dāng)i＝1,3,5,7時(shí)，iI有4個(gè)相鄰像素；當(dāng)i＝2,4,6,8時(shí)，iI有2個(gè)相鄰像素。數(shù)學(xué)定義為式（2-5）：5-2）（8,6,4,2},{7,5,3,1},,,{)8,1mod(1)8,2mod(1)9,6mod(1)7,5mod(1IiIIIiIISiiiiiii對(duì)于LNIP的符號(hào)模式，首先計(jì)算中心像素的鄰域像素iI與其相應(yīng)的相鄰像素iS之間

LBP 編碼

【參考文獻(xiàn)】：
期刊論文
[1]基于顏色特征的自適應(yīng)閾值林木樹(shù)干識(shí)別研究[J]. 宋文龍,莫沖,王琢.  現(xiàn)代電子技術(shù). 2019(16)
[2]多維特征融合與Adaboost-SVM的車(chē)輛識(shí)別算法[J]. 崔鵬宇.  控制工程. 2019(03)
[3]基于差異性和準(zhǔn)確性的加權(quán)調(diào)和平均度量的基因表達(dá)數(shù)據(jù)選擇性集成算法[J]. 高慧云,陸慧娟,嚴(yán)珂,葉敏超.  計(jì)算機(jī)應(yīng)用. 2018(05)
[4]階層式三維形狀環(huán)特征提取方法[J]. 左向梅,賈麗姣,韓鵬程.  計(jì)算機(jī)應(yīng)用. 2018(06)
[5]一種基于小波變換的圖像融合方法[J]. 譚仁龍.  測(cè)繪通報(bào). 2017(09)
[6]一種新的基于顏色矢量角的圖像空間描述符[J]. 趙珊,崔江濤,周利華.  光電工程. 2007(03)
[7]基于PCA和GMM的圖像分類(lèi)算法[J]. 肖政宏,王家廞.  計(jì)算機(jī)工程與設(shè)計(jì). 2006(11)

碩士論文
[1]基于改進(jìn)局部二值模式的圖像分類(lèi)算法研究[D]. 黃德志.吉林大學(xué) 2016



本文編號(hào)：3240601