一种新的图像稀疏分解方法及其图像检索

《一种新的图像稀疏分解方法及其图像检索》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、暨南大学硕士学位论文题名（中英对照）：一种新的图像稀疏分解方法及其图像检索Anovelmethodofimagesparsedecompositionandimageretrieval作者姓名：张松江指导教师姓名：张传林及学位、职称：博士教授学科、专业名称：理学、计算数学学位类型：科学学位论文提交日期：2016年6月17日论文答辩日期：2016年5月28日答辩委员会主席：杨力华论文评阅人：刘立新高平学位授予单位和日期：暨南大学2016年6月26日独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已

2、经发表或撰写过的研究成果，也不包含为获得暨南大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日暨南大学硕士学位论文摘要基于图像内容的图像检索系统通过提取图像底层的视觉特征，然后进行特征匹配进而完成图像的检索，但是这种检索方式在特征提取过程中仅仅提取了图像的部分特征，使得大量的信息丢失，图像检索系统的鲁棒性就会变得很低。基于稀疏表示分类的算法是近几年研究者的新宠，在机器学习领域具有很高的研究价值。这种理论最大的特点就是不需要提取图像的视觉特征来完成图像的分类，这种算法因其复杂度低

3、且易于实现而得到了广泛的研究。本文基于图像内容和稀疏表示两种理论，提出了一种分阶段的图像检索系统。本文的主要工作及创新内容如下：（1）分析了图像的稀疏表示理论，为了更好地完成图像的稀疏表示，本文基于传统的匹配追踪算法，提出了基于步长自适应的匹配追踪算法。新算法不仅在图像重构精度上有所提高，同时也减少了传统算法的复杂度，适用性更强，是一种更加鲁棒的重构算法。（2）基于图像稀疏表示理论，研究了基于稀疏表示的分类算法，考虑在图像有缺失或者遮挡的情况下，提出了一种自适应权值的SRC方法，并且通过步长自适应的匹配算法实现了SRC算法的改进，大大提高了图像稀疏表示的性能。（3）详细介绍了图像检索

4、的理论框架，分析了图像的特征提取以及相似性匹配，结合传统的基于内容的图像检索，提出利用多特征融合的方式来对图像进行表示。为了加强图像检索系统的鲁棒性，将基于内容的图像检索与图像稀疏分类相结合，提出了一种新的图像检索方法，并详细介绍了该算法的实现过程，在分类基础上实现了图像的检索，最后通过相关实验对新的图像检索方法进行了验证。关键字：图像检索；匹配追踪；稀疏表示；多特征融合；稀疏分类I暨南大学硕士学位论文AbstractTheimageretrievalsystembasedonimagecontentcompletedimageretrievalbyextractingthevisu

5、alfeaturesatthebottomoftheimageandmatchingthesefeatures.Butitonlyextractedsomeofthefeaturesofanimage,sothatitlostalotofinformationandtherobustnessoftheimageretrievalsystembecameverylow.Theclassificationalgorithmbasedonsparserepresentationwasmoreandmorepopularwithresearchersandhadhighvalueinthef

6、ieldofmachinelearning.Thegreatestfeatureofthistheorywasnotrequiredtoextractvisualfeaturesofimage.Thecomplexityofclassificationalgorithmbasedonsparserepresentationwasverylowandeasytoimplement.Thispaperproposedastagedimageretrievalsystembasedonimagecontentandsparserepresentation.Themainworkandinn

7、ovationsofthispaperwasasfollow:(1)Thispaperanalyzedtheimagesparserepresentationtheoryandproposedadaptivestepmatchingpursuitalgorithmbasedonthetraditionalmatchingpursuitalgorithminordertocompleteimagesparserepresentation.Theaccurac