欢迎来到天天文库
浏览记录
ID:35058699
大小:5.54 MB
页数:53页
时间:2019-03-17
《基于spm模型的图像分类方法研究》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、??密级:保密期限:/硕±学位论文基于SPM模型的图像分类方法研究Research0干ImageClassificationMethodBasedonSPMModel'、媒獻”学号PI3201095姓名张驰学位类别工学硕±信号引言息細T(工下驚程领域)指导教师王年教授完成时间2016年3月答辩委员会赛也主席签名V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L。据我所知X标注和致谢的地方
2、外,论文中不包含其研究成果,除了文中特别加他人己经发表或撰写过的研究成果,也不包含为获得安徽大学或其他教育机构的一学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名:姊咬色J签字曰期:年曰学位论文版权使巧授权书、使用学位论文的规定本学位论文作者完全了解安徽大学有关保留,有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被查阅和借^阅1。本人授权安徽大学可乂将学位论文的全部或部分内容编入有关数据库进行检索L。,可乂采用影印
3、、缩印或扫描等复制手段保存、汇编学位论文(保密的学位论文在解密后适用本授权书)学位论文作者签《:^导师签知签字曰期:(年月曰签字曰期:口f年月曰^^节[)k、安徽大学硕-上学位论文^摘要近年来,随着手机、电脑等多媒体设备个人拥有率的大幅提商,人们每天在网络中发布的图像和视频的数量W井喷式的速度在增长,而无法有效的管理和分类送些视频图像资源的问题也日益严重,亟待解决。图像分类技术正是解决该类问题的有效手段,目前图像分类方法中普遍采用的是BOW(B巧OfWords)模型和SPM(Spatial
4、PyramidModal)模型,前者是从文档分类技术中发展而來的,而后者对图像进行了层次划分,并在特征构造时引入了空间位置排布信息,使得图像最终的特征表述更加完备的同时也有着更加高效的图像分类识别率。本文在SPM分类模型的基础上,对图像分类领域中的特征提取与编码、视觉词汇码本的建立W及图像的特征加权表述等问题进行了研究,W下几点是论文的主要研究成果:一(0给出了种基于金字塔不同划分层次下视觉词汇码本的构建方法。即对图像划分后的每一子区域构造视觉词汇字典,从而刻画出不同划分层次不同细粒度下的图像特征信息。该
5、方法有效减小了图像背景差异大、显著的分类特征在图像中出现位置变化多等问题对分类识别率的影响。2一()考虑到提取图像的单特征容易丢失原图像有效信息的缺点,本文给出的图像特征表述方法中同时提取了图像中的SIFT特征和OverFeat特征,并将这两个特征在编码之后进行了串联蘭合,实验证明该特征用于图像分类的效果比一特征效果要好使用单。一(3)给出种依据不同划分层次下不同子区域特征对图像识别影响率的大小进行特征加权的有效方法。:图像分类,,关键词,BOW模型SPM模型,特征融合视觉词汇词典,特征编码I安
6、徽大学硕上学位论义基于SPM模型的图像分类方法研究^AbstractInrecentears,withasubstantialincreaseinersonalmultimediadevicessuchypasmobileho打esandcomutersthenumberofimaesandvideoseoleosto打thepp,gpppnetworkhasrownexlosivel.Howeverhow化efectivelma打aeandclassig
7、py,ygfyvideoandimagedata;s巧姐anope打issue.Curre打tly,BOW(控agOfWords)modelandSPMSatmodew-uialPramidMatchinlareidelsedimaeclassification(pyg)ygmethodsandthelattermodalartitionsimaesintodifere打tlaerso打thebasisofthe,pgy化rmerbyintrodu
8、cingspecialarrangementpositioninformationwhe打constructingfeatureshereforetheobtainedfe
此文档下载收益归作者所有