基于多通道的分層特征提取的圖像識別.pdf_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、圖像識別在模式匹配、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等研究領(lǐng)域都是一個熱門的研究課題。經(jīng)過多年的研究發(fā)展,圖像識別領(lǐng)域已經(jīng)形成了許多成熟的技術(shù)并且被廣泛應(yīng)用到遙感、航拍、車牌識別及監(jiān)控等各個領(lǐng)域。在復(fù)雜的現(xiàn)實(shí)世界中,人們拍攝的許多圖像都包含著多種維度的信息,比如輪廓,大小,視角,光照條件,場景布局等。如果圖像識別主要關(guān)注的是對圖像中對象的識別,那么圖像中的光照、場景等信息就變成了干擾信息。當(dāng)這些干擾信息太多的情況下,提取圖像中的所需的有效特征就變的

2、尤為困難。因此如何才能在提取圖像的有效特征時不受干擾信息的影響,就變成了計(jì)算機(jī)視覺中是一個非常重要的問題。
  針對上述問題,本文提出了一種多通道下的分層特征提取算法,減輕了干擾信息對圖像特征提取的影響,提高了算法識別率。本文的主要工作包括:
  (1)研究發(fā)現(xiàn)現(xiàn)有的字典學(xué)習(xí)算法K-SVD容易出現(xiàn)過擬合的現(xiàn)象,因此在K-SVD算法中引入相干性參數(shù),降低了學(xué)習(xí)得到的字典中原子的相關(guān)程度,提升了字典的表述能力。實(shí)驗(yàn)結(jié)果表明,識別

3、率比優(yōu)化前提高2%-4%,Matlab和C-MEX混合編程的效率是Matlab版的23倍以上。
  (2)分析了當(dāng)前圖像特征提取過程中比較主流的稀疏編碼算法,對比匹配追蹤算法和正交匹配追蹤算法的優(yōu)劣。然后將卷積網(wǎng)絡(luò)中的空間金字塔池化應(yīng)用到稀疏編碼中,以降低了計(jì)算復(fù)雜度。
  (3)設(shè)計(jì)了多種通道對圖像進(jìn)行特征提取,即將圖像按照不同的尺寸進(jìn)行分割,每種分割方案(通道)在經(jīng)過多層的特征提取后得到圖像的特征向量。然后對不同通道的特

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論