基于复杂网络的图像分类研究

《基于复杂网络的图像分类研究》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、硕士学位论文MASTER’SDISSERTATION论文题目基于复杂网络的图像分类研究作者姓名左佳倩学科专业导航、制导与控制指导教师张旭光教授2016年5月中图分类号：TP391学校代码：10216UDC：621.3密级：公开工学硕士学位论文基于复杂网络的图像分类研究硕士研究生：左佳倩导师：张旭光教授申请学位：工学硕士学科专业：导航、制导与控制所在单位：电气工程学院答辩日期：2016年5月授予学位单位：燕山大学ADissertationinGuidance,NavigationandControlIMAGECLASSIFICATIONBASEDONC

2、OMPLEXNETWORKSbyZuoJiaqianSupervisor:ProfessorZhangXuguangYanshanUniversityMay,2016燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于复杂网络的图像分类研究》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字：日期：年月日摘要摘要图像分类是根据数字图像中所

3、包含的特征，按照图像特征间的差异，将目标图像分为不同类别的一种图像处理方法。随着计算机技术与互联网的发展，利用人工智能、机器学习等方法实现图像分类是近年来研究的热点问题。在图像分类研究中，图像特征的提取与图像特征编码是研究中的热点与难点问题。图像的特征提取是图像分类的基础，在特征提取过程中特征的完备性是图像能够正确分类的基础。图像特征编码是对图像特征进一步的统计与分析，直接影响图像分类的准确率。在本文中，从特征提取与特征编码两个角度对图像分类技术进行研究。首先，在特征提取的过程中提出了基于复杂网络的图像特征提取方法，将数字图像的特征点作为网络节点，特

4、征点间的相互关系作为权重，构造复杂网络，为图像特征提取做好充分准备。在本文中，对常用的图像特征提取算法进行分析与对比后，采用SIFT特征作为图像特征网络节点，并对常用的相似性度量方法进行分析，采用相关系数作为网络中连边的权重。然后，选用常用的统计常量对网络特征进行表征，完备图像信息的表达。其次，在特征编码过程中，为了抑制局部线性约束编码的不稳定性，提出了一种新的编码方式，即通过增加非负性约束条件，以增强编码算法的稳定性。在图像特征汇聚阶段，采用最大值汇聚，实现特征向量对数字图像的表达。最后，用分类器完成图像分类。实验表明，本文提出的算法能够对图像进行

5、有效的分类，在VOCActionclassification数据集上分类准确率最高可以达到97.00%。因此，是一种较为有效的图像分类算法。关键词：图像分类；图像特征网络；网络统计量；特征编码；SVM-I-燕山大学工学硕士学位论文AbstractImageclassificationisanimageprocessingmethodbasedonthecharacteristicsofthedigitalimage,accordingtothedifferencebetweenthecharacteristicsoftheimage,tomaketh

6、etargetimageintodifferentcategories.WiththedevelopmentofcomputertechnologyandInternet,usingartificialintelligence,machinelearningandothermethodstoachieveimageclassificationisahotissueinrecentyears.Intheresearchofimageclassification,featureextractionandfeaturecodingisthestudyofa

7、hotanddifficultissue.Featureextractionisthebasisofimageclassification,andthecompletenessoffeatureinfeatureextractionisthebasisofcorrectclassification.Featurecodingisastatisticalandanalysisforimagefeatures,whichdirectlyaffectstheaccuracyofimageclassification.Inthispaper,theimage

8、classificationtechnologyisstudiedfromtwoaspects:featur