基于图像分割的特征提取在零样本学习中的应用

《基于图像分割的特征提取在零样本学习中的应用》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、硕士学位论文基于图像分割的特征提取在零样本学习中的应用ApplicationofFeatureExtractionBasedonImageSegmentationtoZero-ShotLearning作者：刘路平导师：程玉虎教授中国矿业大学二〇一六年五月中图分类号TP18学校代码10290UDC621.3密级公开中国矿业大学硕士学位论文基于图像分割的特征提取在零样本学习中的应用ApplicationofFeatureExtractionBasedonImageSegmentationtoZero-ShotLearning作

2、者刘路平导师程玉虎申请学位工学硕士培养单位中国矿业大学学科专业控制科学与工程研究方向模式识别与智能系统答辩委员会主席郭一楠评阅人二○一六年五月论文审阅认定书研究生在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩合格；在我的指导下完成本学位论文,经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专家评审。导师签字：年月日致谢本学位论文是在导师程玉虎教授的耐心指导下完成的。从论文初始的选题、中期遇到的问题以及最后的定稿，导师多次为我答疑解惑

3、，认真且详细的指出了论文中存在的问题，并给予详细的解答。他严谨治学的作风，孜孜不倦的求学精神以及渊博的知识对论文质量起到了极大地提高作用。多年来，导师不仅在学业上给我以精心指导，并且在为人处事方面、生活上给予我很多的帮助，在此谨向导师程玉虎教授致以最衷心的感谢和最崇高的敬意！在论文的撰写过程中，得到了张晓强老师、芦楠楠老师、潘杰老师、臧绍飞师兄、李冬青师兄、张嘉睿师姐、巩萍师姐等的悉心指导和建议，乔雪、孔毅、陈晨等硕士的支持和帮助，感谢他们为我营造了良好的学习和科研环境。感谢本论文所引用的各位专家、学者对本文的指导和帮助！

4、感谢爸爸妈妈等家人在我攻读硕士学位期间给予的支持和鼓励，在此致以深深的谢意！感谢好友的一直以来的鼓励和陪伴，谢谢！最后，感谢百忙中抽出时间给予悉心评阅和指教的诸位专家，祝你们平安健康快乐。摘要图像作为重要的信息载体，在诸多领域中得到广泛的应用。图像中几乎所有的信息都蕴含在底层特征中。特征提取是图像处理中的重要阶段，能否充分提取出图像的底层特征成为区分和联系图像的关键。零样本学习中广泛应用无监督的图像特征提取，使计算机成功地模拟了人类的认知习惯。以零样本学习为应用背景，对提取的纹理特征存在维度高、无法兼顾全局特征和局部特征的

5、问题以及提取的颜色特征忽略了颜色和空间之间关系的问题进行改进。主要研究工作为：提出一种基于局部阈值的分水岭（LocalThreshold-BasedWatershed，LTW）算法，为解决Gabor滤波器模板和图像进行卷积过程中，固定窗口采样和均匀采样灵活性的缺失和区域信息的不完整，同时能够充分提取图像的细节特征，首先，采用Sobel算子提取图像轮廓；然后，由于待分割图像较复杂，采用Bernsen算法获取多个局部阈值对图像进行二值化；最后，将二值化后的图像用分水岭算法进行分割。提出一种基于LTW的Gabor纹理特征提取（L

6、TW-basedGabor，LTW-Gabor）算法。首先，Gabor滤波器的参数设置尚没有通用方法，为此提出一种Gabor滤波器参数设置的通用方法，提取分割后图像块的整体特征作为整幅图像的局部特征；然后，将通用的Gabor滤波器参数设置方法和LTW算法结合，计算总体纹理的均值和方差作为最终的纹理特征，该算法可显著降低纹理特征的维度；最后，将提取到的图像纹理特征应用于零样本学习中。提出一种基于GRW-Lch的颜色特征提取算法。首先，鉴于颜色直方图忽略了颜色和空间之间的关系，采用基于梯度重构的分水岭（GradientReco

7、nstruction-BasedWatershed，GRW）算法对图像进行分割；然后，利用局部颜色直方图（Lch）的思想，在分割后的图像块上利用颜色直方图进行颜色特征的提取；最后，将提取出的图像颜色特征用于零样本学习。选用公开人脸数据集（Pubfig）、室外风景数据集（OSR）以及属性发现数据库-鞋类数据集（Shoes）三个不同的数据集进行实验。对比实验结果表明，与传统零样本学习中的特征相比，所提方法均能够获得更高的属性预测精度和零样本学习识别率。该文共有图29幅，表12个，参考文献87篇。关键词：图像分割；特征提取；分水

8、岭算法；局部阈值分割；Gabor滤波器；零样本学习IAbstractAsanimportantinformationcarrier,thedigitalimagehasbeenwidelyusedinmanyfields.Almostalltheinformationofthedigitalimageh