基于黎曼流形的圖像分類算法研究.pdf_第1頁
已閱讀1頁,還剩106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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、圖像分類算法是計(jì)算機(jī)視覺、模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域一個(gè)重要的研究問題。圖像分類算法是從視覺圖像中抽取一種或者多種特征信息(如:顏色、紋理、形狀和空間信息等),通過分析統(tǒng)計(jì)這些圖像特征,把圖像劃分到相應(yīng)的視覺類別中。隨著多媒體和互聯(lián)網(wǎng)技術(shù)的高速發(fā)展,圖像分類算法日益重要,具有廣闊的應(yīng)用前景,可應(yīng)用到高層次語義理解、海量圖像檢索、視頻智能監(jiān)控、人機(jī)交互、醫(yī)學(xué)診斷、虛擬現(xiàn)實(shí)等多個(gè)領(lǐng)域。
  在圖像分類算法中,視覺圖像特征的有效構(gòu)建和分析,

2、尤為重要。一方面,基于全局圖像特征的圖像分類算法已經(jīng)得到廣泛研究,但是全局特征對(duì)光照、背景、角度等環(huán)境因素的變化非常敏感。與全局圖像特征相比,基于局部特征的圖像表示能夠在一定程度上解決這些問題。另一方面,如果直接把圖像特征當(dāng)作向量處理,將忽視其所處空間的拓?fù)浣Y(jié)構(gòu)。因此為了解決這個(gè)問題,我們提出利用黎曼流形理論,分析圖像特征的空間結(jié)構(gòu)。而黎曼流形是一種有力的空間分析工具,通過把具有一定空間結(jié)構(gòu)的圖像特征描述子投影到黎曼流形上,能更加有效地

3、分析結(jié)構(gòu)化的圖像特征。其中常用的黎曼流形有:格拉斯曼流形、李群流形和Stiefel流形等。
  本文在國(guó)內(nèi)外已有的研究基礎(chǔ)上,對(duì)基于黎曼流形的圖像分類算法及相關(guān)應(yīng)用進(jìn)行深入研究。本文主要研究?jī)?nèi)容和創(chuàng)新性工作概括如下:
  (1)基于序列圖像塊的自回歸滑動(dòng)平均模型
  大多數(shù)現(xiàn)有的圖像分類方法考慮到圖像外觀特征信息,卻忽略了圖像內(nèi)部空間信息。針對(duì)此問題,本文引入一個(gè)基于序列圖像塊的圖像表示方法,能夠綜合考慮圖像局部特征和

4、圖像內(nèi)部的空間位置關(guān)系。然后針對(duì)每個(gè)圖像所對(duì)應(yīng)的序列圖像塊,構(gòu)建自回歸滑動(dòng)平均模型(Auto-Regressive and Moving Average Model,ARMA模型),進(jìn)行模型參數(shù)估計(jì)。因此每個(gè)圖像都可以編碼為序列圖像塊,構(gòu)建相應(yīng)的圖像自回歸滑動(dòng)平均模型。在以上研究?jī)?nèi)容的基礎(chǔ)上,將針對(duì)模型參數(shù)空間分析、圖像分類等問題,開展后續(xù)研究工作。
 ?。?)基于格拉斯曼流形和自回歸滑動(dòng)平均模型的圖像分類算法
  首先根據(jù)

5、基于序列圖像塊的自回歸滑動(dòng)平均模型理論,把每個(gè)圖像編碼為序列圖像塊,構(gòu)建圖像自回歸滑動(dòng)平均模型,其參數(shù)子空間,可投影到格拉斯曼流形上進(jìn)行相關(guān)圖像分類算法研究。然后基于格拉斯曼流形上的度量算法,來構(gòu)建一個(gè)格拉斯曼流形核函數(shù),進(jìn)行圖像分類算法應(yīng)用研究。最后在若干公開圖像數(shù)據(jù)集(如:MNIST、USPS、Yale和ORL等)上驗(yàn)證此算法的有效性。
 ?。?)基于李群流形和自回歸滑動(dòng)平均模型的人臉圖像分類算法
  為了有效地處理人臉

6、圖像中的復(fù)雜非線性變化,基于李群流形空間理論和分析方法,提出李群核函數(shù)來處理人臉識(shí)別、頭部姿態(tài)識(shí)別等圖像分類問題。我們基于序列圖像塊的人臉圖像表示,構(gòu)建自回歸滑動(dòng)平均模型,同時(shí)獲取人臉圖像的外觀特征和空間信息。自回歸滑動(dòng)模型的參數(shù)可以參數(shù)化為一種特殊結(jié)構(gòu)的上三角矩陣,其子空間結(jié)構(gòu)可以構(gòu)建為李群流形?;诶钊毫餍畏治龅姆椒?,對(duì)自回歸滑動(dòng)模型進(jìn)行相似性度量,從而構(gòu)建李群核函數(shù)?;诶钊汉撕瘮?shù)的支持向量機(jī)分類器,進(jìn)行人臉圖像分類算法研究。在人

7、臉識(shí)別和頭部姿態(tài)估計(jì)等人臉圖像分類問題上,最終的實(shí)驗(yàn)室結(jié)果顯示本文所提出的算法能夠超過其他人臉分析方法。
 ?。?)基于李群流形和正定對(duì)稱矩陣判別分析的圖像分類算法
  在李群流形的基礎(chǔ)上,對(duì)正定對(duì)稱矩陣進(jìn)行判別分析,即:通過優(yōu)化數(shù)據(jù),把一個(gè)李群流形映射到另外一個(gè)低維的李群流形。具體來說,我們以正定對(duì)稱矩陣空間(如:協(xié)方差矩陣)為例。正定對(duì)稱矩陣是李群流形的一個(gè)具體例子,已經(jīng)證明是一個(gè)圖像特征表示的有效工具。基于圖嵌入框架,

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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論