基于超图融合语义信息的图像场景分类方法

《基于超图融合语义信息的图像场景分类方法》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、多参京交硕士学位论文基于超图融合语义信息的图像场景分类方法AHypergraph--basedSemanticInformationFusionMethodforImageSceneClassification作者：徐杰导师：于剑北京交通大学2014年4月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：砾蚕

2、、导师签名：签字日期：劬／垆年够月fPl签字日期：7,<>it／年乒月／同中图分类号：TP391UDC：004学校代码：10004密级：公开北京交通大学硕士学位论文基于超图融合语义信息的图像场景分类方法AHypergraph—basedSemanticInformationFusionMethodforImageSceneClassification作者姓名：徐杰导师姓名：于剑学位类别：工学学号：11120490职称：教授学位级别：硕士学科专业：计算机科学与技术研究方向：机器学习北京交通大学2014年4月致谢本论文的工作是在我的导师于剑教授和景丽萍副教授的悉心指导下完成的，于老师

3、和景老师严谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢两年半来于老师、景老师对我的关心和指导。于老师、景老师悉心指导我们完成了实验室的科研工作，在学习上和生活上都给予了我很大的关心和帮助，在此向于老师和景老师表示衷心的谢意。他们对于我的科研工作和论文都提出了许多的宝贵意见，在此表示衷心的感谢。在实验室工作及撰写论文期间，杨柳博士、杜宁林师兄、李谦、李银松、王志超、赵悦等同学对我论文中的研究工作给予了热情帮助，在此向他们表达我的感激之情。另外也感谢我的家人，他们的理解和支持使我能够在学校专心完成我的学业。摘要随着互联网技术与信息产业的发展，以及各种图片分享类网站

4、的出现，如今我们已经步入图像时代。图像是一种直观的媒体资源，在日常生活中扮演着重要角色。图像分类是计算机视觉、机器学习领域的重要研究内容。传统图像分类方法仅使用图像视觉特征，但是图像视觉特征与图像要表达的高层语义之间有很大差别，从而导致分类性能较低。目前，直接从图像底层特征中提取出高层语义信息的方法研究得不多，而与图像相关的标注是图像所表达语义信息最直接的描述，因此，研究者开始将图像标注信息引入到图像分类任务中。随着如Flickr、Faeebook等图片共享网站和社交媒体的出现，带标注的图像越来越容易获取，研究如何将标注信息融入到图像场景分类任务中己迫在眉睫。已有研究者使用多模态

5、学习、多任务学习和迁移学习等方法，将图像相关的文本信息引入图像分类任务中，实验表明引入与图像相关的文本信息对图像分类性能有所提升。由于超图可以保留高阶关系，超图学习的方法也可应用到图像场景分类中。现有的基于超图学习的图像场景分类方法，均未考虑各个超边之间的关系。本文通过扩展超图学习模型，将超边间的相关性引入到超图学习中，并把与图像相关的标注信息用来计算超边间的相关性，提出一种基于超边相关性的图像场景分类方法。为验证本方法的有效性，本方法分别在LabelMe、UIUC数据集上做实验，分析各个参数对于本方法性能的影响，并与其他将标注信息引入到图像场景分类的方法做比较，实验结果验证了本

6、方法对超图学习模型扩展的有效性。关键词：图像场景分类；超图学习；语义融合；共生数据分类号：TP391ABSTRACTAlongwiththeIntemettechnologyandinformationindustrydevelopment，andemergenceofvariousimagesharewebsite，nowwehaveenteredalleraconsistingofimage．Theimageisanintuitiveresourceandplaysanimportantroleindailylife．Imageclassificationhasbeenimp

7、oaantresearchfieldinbothcomputervisionandmachinelearning．Traditionalimageclassificationmethodonlyutilizetheimagevisionfeature，butthegapbetweenthevisionfeatureandsemanticmeaningtheimagerepresentsishuge，SOthattheclassificationperformanceislow．T