欢迎来到天天文库
浏览记录
ID：72495881
大小：13.24 MB
页数：76页
时间：2021-12-10
《基于稀疏编码与机器学习的图像内容识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、申请上海交通大学硕士学位论文基于稀疏编码与机器学习的图像内容识别算法研究学校:上海交通大学院系:信息安全工程学院班级:学号:硕士生:唐峰专业:通信与信息系统导师Ⅰ:蒋兴浩(副教授)导师Ⅱ:孙锬锋(讲师)上海交通大学信息安全工程学院年月ADissertationSubmittedtoShanghaiJiaoTongUniversityfortheDegreeoftheMasterRESEARCHONIMAGECONTENTRECOGNITIONBASEDONSPARSECODINGANDMACHINELEARNINGAuthor:ⅠⅡ上海交通大学硕
2、士学位论文摘要基于稀疏编码与机器学习的图像内容识别算法研究摘要随着数字图像和互联网技术的高速发展,每天都有海量的图像数据生成和共享。如何有效地组织海量的图像数据,使得用户能够快速而准确的检索到所需的图片越来越重要。在此背景下,图像内容识别成为计算机视觉领域的研究热点之一。图像内容识别是将从视觉获取的输入图像,通过一系列的计算、分析和学习过程,输出得到场景中的对象识别,场景中对象之间的关系描述,场景的识别等。简而言之,图像内容识别是用计算机实现人类对于图像的视觉理解功能。此外,图像内容识别的应用不局限于基于内容的图像检索,还应用于如机器人视觉,遥感
3、图像识别,医学图像识别,生物特征鉴别等诸多领域。本文首先总结并分析了近年来国内外图像内容识别研究的成果,然后将本文的研究重点定于基于稀疏编码模型和机器学习的图像内容分类,对象识别和区域定位。本文提出了一种基于空间稀疏编码模型与随机森林的图像分类算法。该算法首先提取图像的特征;然后使用稀疏编码理论生成基于特征的视觉词汇库,并利用该视觉词汇库将特征转换成稀疏向量;通过稀疏向量的区域融合和空间结合后,获第页上海交通大学硕士学位论文摘要取一个固定维数的整体稀疏向量用于表示图像;最后使用随机森林多分类器对表示图像的稀疏向量进行训练和测试,实验所使用的数据集
4、为标准测试库和。实验结果表明,该算法有效的表示图像的特性并提升分类的准确率,具有更佳的性能。本文提出一种创新的基于图像分割、稀疏编码模型与多示例学习的对象识别及区域定位算法。该算法引入多示例学习的概念,将图像作为多示例的包,图像中由特征转化的稀疏特征作为包中示例,稀疏编码模型生成的视觉词汇库作为特征空间,通过对包中示例个数的统计将其映射到特征空间中,然后用其来对图像进行分类并且生成权重用于挑选重要的示例即图像特征。最后使用图像分割及示例分类来确定对象在图像中的区域。实验使用的数据集为和,实验结果表明,该算法对图像进行分类的准确率较
此文档下载收益归作者所有
