基于视觉注意机制的图像检索分析

ID:31854790

大小:3.97 MB

页数:87页

时间:2019-01-21

基于视觉注意机制的图像检索分析_第1页
基于视觉注意机制的图像检索分析_第2页
基于视觉注意机制的图像检索分析_第3页
基于视觉注意机制的图像检索分析_第4页
基于视觉注意机制的图像检索分析_第5页
资源描述:

《基于视觉注意机制的图像检索分析》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、杭州电子科技大学硕士学位论文摘要近年来,数字图像的数量已经急剧增加,因此将会在广泛的领域中需要和频繁地使用图像的内容。许多学科领域和行业包括电信、娱乐、医药和监控等,都需要高性能和高效率的图像检索系统,并且这个需求将会随着移动无线网络的发展变得更为重要。图像检索中常用的特征提取方法大都是针对每张图像自身的某些特征,忽略了与其他图像之间的联系。图像的显著区域往往是最受人关注的,经典的视觉注意模型通常都是基于像素的特征进行视觉注意的激励或特征显著图的融合,并没有对图像进行整体的分析。针对上述问题,本文进行了以下研究:1.利用颜色、边缘、空间等图

2、像最直观的特征,提出了一种基于方向图导向型空间颜色直方图的图像检索方法,实验表明该方法具有较高的平均检索率。2.提出了一种基于特征聚类的图像检索方法,首先对图像块样本的R、G、B三通道像素值经过预处理后,再通过K-means学习,然后对图像的每个图像块进行非线性的稀疏编码及池化操作得到特征向量,最后对特征向量进行标准化处理,实验表明该方法提取特征耗时少且有着较好的平均检索率。3.提出了一种基于视觉注意的图像检索方法,首先利用低秩表示检测显著区域,再对显著区域进行基于无监督学习提取图像过完备特征,然后对特征向量降维后并采用结构图稀疏表示,并将

3、其应用于图像检索,实验表明该方法有着较好的平均检索率。关键词:图像检索,特征提取,特征聚类,低秩表示,稀疏表示I杭州电子科技大学硕士学位论文ABSTRACTThenumberofdigitalimageshasbeenincreasingdramaticallyinrecentyearsandasaresultacrisisisnowtakingplaceinmanyfieldsthattheimagecontentarerequiredheavily.Manyfieldsandindustriesincludingtelecommunic

4、ations,entertainment,medicine,andsurveillance,needhighperformanceretrievalsystemstoworkefficiently.Thistrendwillgrowquicklyaswirelessnetworkdevelops.Sinceimagefeatureextractionmethodsareusedbasicallyforsomefeaturesofeachimage itself,ignoringtherelationshipwithotherimages.S

5、alientregionsinimagesareoftenthemost attentive.Theclassicvisualattentionmodelsareusuallybasedonpixelsorfeaturestobuildsalient map,butnottoanalysisthewholeimage.Consideringtheshortagesmentionedabove,wedosomeworksasfollows:1.Animageretrievalmethodbasedonspatialcolorhistogram

6、oforientedgraphisproposed, inwhichitusedcolor,edge,spaceandothersintuitiveimagefeatures.Experimentsvalidatethe effectivenessoftheproposed.2.Animageretrievalmethodbasedonfeatureclusteringisproposed.Firstly,RGBvaluesare extractedandpreprocessed,andusedinK-meansclustering.And

7、thensparsecodingforeachpatch andpoolingforthefeaturevectorsareperformed,inwhichthefeaturevectorsarenormalized. Experimentsshowthattheproposedhasgoodcharacteristicoflesstimeconsumingandhighmean averageprecisioninimageretrieval.3.Animageretrievalmethodbasedonvisualattentioni

8、sproposed.Firstly,salientregionsare detectedusinglow-rankrepresentation,andfeaturesrepres

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
正文描述:

《基于视觉注意机制的图像检索分析》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、杭州电子科技大学硕士学位论文摘要近年来,数字图像的数量已经急剧增加,因此将会在广泛的领域中需要和频繁地使用图像的内容。许多学科领域和行业包括电信、娱乐、医药和监控等,都需要高性能和高效率的图像检索系统,并且这个需求将会随着移动无线网络的发展变得更为重要。图像检索中常用的特征提取方法大都是针对每张图像自身的某些特征,忽略了与其他图像之间的联系。图像的显著区域往往是最受人关注的,经典的视觉注意模型通常都是基于像素的特征进行视觉注意的激励或特征显著图的融合,并没有对图像进行整体的分析。针对上述问题,本文进行了以下研究:1.利用颜色、边缘、空间等图

2、像最直观的特征,提出了一种基于方向图导向型空间颜色直方图的图像检索方法,实验表明该方法具有较高的平均检索率。2.提出了一种基于特征聚类的图像检索方法,首先对图像块样本的R、G、B三通道像素值经过预处理后,再通过K-means学习,然后对图像的每个图像块进行非线性的稀疏编码及池化操作得到特征向量,最后对特征向量进行标准化处理,实验表明该方法提取特征耗时少且有着较好的平均检索率。3.提出了一种基于视觉注意的图像检索方法,首先利用低秩表示检测显著区域,再对显著区域进行基于无监督学习提取图像过完备特征,然后对特征向量降维后并采用结构图稀疏表示,并将

3、其应用于图像检索,实验表明该方法有着较好的平均检索率。关键词:图像检索,特征提取,特征聚类,低秩表示,稀疏表示I杭州电子科技大学硕士学位论文ABSTRACTThenumberofdigitalimageshasbeenincreasingdramaticallyinrecentyearsandasaresultacrisisisnowtakingplaceinmanyfieldsthattheimagecontentarerequiredheavily.Manyfieldsandindustriesincludingtelecommunic

4、ations,entertainment,medicine,andsurveillance,needhighperformanceretrievalsystemstoworkefficiently.Thistrendwillgrowquicklyaswirelessnetworkdevelops.Sinceimagefeatureextractionmethodsareusedbasicallyforsomefeaturesofeachimage itself,ignoringtherelationshipwithotherimages.S

5、alientregionsinimagesareoftenthemost attentive.Theclassicvisualattentionmodelsareusuallybasedonpixelsorfeaturestobuildsalient map,butnottoanalysisthewholeimage.Consideringtheshortagesmentionedabove,wedosomeworksasfollows:1.Animageretrievalmethodbasedonspatialcolorhistogram

6、oforientedgraphisproposed, inwhichitusedcolor,edge,spaceandothersintuitiveimagefeatures.Experimentsvalidatethe effectivenessoftheproposed.2.Animageretrievalmethodbasedonfeatureclusteringisproposed.Firstly,RGBvaluesare extractedandpreprocessed,andusedinK-meansclustering.And

7、thensparsecodingforeachpatch andpoolingforthefeaturevectorsareperformed,inwhichthefeaturevectorsarenormalized. Experimentsshowthattheproposedhasgoodcharacteristicoflesstimeconsumingandhighmean averageprecisioninimageretrieval.3.Animageretrievalmethodbasedonvisualattentioni

8、sproposed.Firstly,salientregionsare detectedusinglow-rankrepresentation,andfeaturesrepres

显示全部收起
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
关闭