欢迎来到天天文库
浏览记录
ID:35057614
大小:5.80 MB
页数:87页
时间:2019-03-17
《基于logistic回归的古村落图像筛选模型的构建及应用》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、*Sou化ChnaUniversitiyofTechnology硕±学位论文基于Loistic回归的古村落图像筛选模型g的构建及应用作者姓名郑烦秋学科专业计算机科学与技术指导教师彭新一研究员所在学院计算机科学与工程学院论文提交日期2016年4月ConstructionandApplicationofaLogisticRegressionBasedScreeningModelforAncientVillageImagesADissertationSubmittedfortheDegreeofMasterCan
2、didate:BingqiuZhengSupervisor:Prof.XinyiPengSouthChinaUniversityofTechnologyGuangzhou,China分类号:TP3学校代号:10561学号:201320130181华南理工大学硕士学位论文基于Logistic回归的古村落图像筛选模型的构建及应用作者姓名:郑炳秋指导教师姓名、职称:彭新一研究员申请学位级别:工学硕士学科专业名称:计算机科学与技术研究方向:服务计算与工程论文提交日期:2016年4月29日论文答辩日期:2016年6月3日学位授予单位:华南理工大学学位授予日期:年月日答辩委员会成
3、员:主席:韩国强教授委员:徐雪妙教授贺小箭副教授张艳青副教授苏锦钿副教授华南理工大学学位论文原创巧声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所。1取得的研究成果除了文中特别加^标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献。的个人和集体,均己在文中W明确方式标明本人完全意识到本声明的法律后果由本人承担。:日作者签名;日期如^月谷占年学位论文版权使用授权书本学位论文作者完全了解学校有关保留,即:研、使用学位论文的规定究生在校攻读学位期间论文工作的知识产权单位属
4、华南理工大学。学校有权保存并向国家有关部n或机构送交论文的复印件和电子版,允许学位论)レ文被查阅(除在保密期内的保密论文外;学校可ッ公布学位论文的全部或、、汇。部分内容,可允许采用影印缩印或其它复制手段保存编学位论文一本人电子文档的内容和纸质论文的内容相致。本学位论文属于:□保密〔校保密委员会审定为涉密学位论文时间:年日),__月___.于。^年_月_日解密后适用本授权书g亦保密,同意在校园网上发布,供校内师生和与学校有共享协议的单位浏览;同意将本人学位论文提交中国学术期刊(光盘版)电子杂志社全文出版和编入CNKI《中国知识资源
5、"总库"》,传播学位论文的全部或部分内容。(请在切上輪相应方框内打V)作者签名:捧曰期:知t年<1寻备a為一指导教师签名曰期:肿;,身今a斗联作者联系电话;/电子邮箱:系地址(含郎编):摘要古村落是宝贵的文化遗产,建立数字档案库是保护古村落的重要手段。然而古村落数量众多、分布广泛,给数字资源的采集工作带来了困难。采用众包的方式能够帮助我们快速、广泛地获取古村落的数字资源,它通过互联网以自由自愿的形式将古村落数字资源尤其是图像的采集工作分发给社会大众完成。但是众包也存在一些问题:由于参与者的拍摄水平和拍摄设备各不相同,采集的古村落图像质量参差
6、不齐;此外,有的参与者会从同一角度对同一内容拍摄多幅图像,以及多人参与对同一古村落进行拍摄,导致出现近似重复的古村落图像。为保证古村落数字档案库的数据质量,需要对众包采集的古村落图像进行高效、客观的筛选。因此,本文提出了基于Logistic回归的古村落图像筛选模型。通过过滤掉质量差和近似重复的古村落图像保证数据质量,加快古村落数字档案库的建设,为古村落提供数字化保护。首先,选择边缘灰度变化率和NIQE质量评分对古村落图像进行质量评价。其次,以图像所属的古村落、三级分类类别和颜色特征向量共同表征古村落图像的内容,同时通过多次实验来确定将两幅图像判为近似重复的相似度阈值。
7、在此基础上,对古村落图像进行近似重复检测,统计每幅古村落图像的近似重复数量,并且计算古村落图像在近似重复集合里的相对质量评分。然后,构建基于Logistic回归的古村落图像筛选模型,使用最大似然估计法对模型的参数进行求解,并且通过HL指标、分类表和模型?2统计对模型进行评估,检验模型的有效性。最后,将本文模型应用到古村落云服务平台并对模型的应用系统进行测试。为了验证模型应用系统的实用性和准确性,将本文模型与仅考虑图像质量的筛选模型、基于SVM的筛选模型进行对比,对比结果表明:本文模型具有更高的准确率、精确度和召回率等,筛选效果更好。关键词:古村落图像
此文档下载收益归作者所有