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、隨著計算機(jī)技術(shù)和互聯(lián)網(wǎng)技術(shù)的迅速普及與應(yīng)用,每天都會產(chǎn)生大量的數(shù)字圖像。面對海量的圖像數(shù)據(jù)集,如何使計算機(jī)按照人類認(rèn)知的方式對這些圖像數(shù)據(jù)集進(jìn)行高效地分類已成為了圖像理解研究領(lǐng)域的一個熱點(diǎn)問題。
場景圖像分類的方法多種多樣,其中,利用LDA(Latent Dirichlet Allocation,隱狄利克雷分配)模型實現(xiàn)場景圖像分類是目前研究的一個熱點(diǎn)。基于LDA模型的場景分類方法的經(jīng)典流程是:首先提取所有場景圖像的SIFT(
2、Scale-invariant feature transform,尺度不變特征轉(zhuǎn)換)特征,并利用K-means聚類算法對場景圖像的SIFT特征進(jìn)行聚類,構(gòu)建視覺字典,然后計算場景圖像SIFT特征與視覺字典中單詞的歐氏距離,生成詞頻矩陣,最后利用LDA模型學(xué)習(xí)并完成場景分類。由于采用K-means聚類算法獲取視覺字典容量時,需要人為反復(fù)試驗才能確定合理的視覺字典容量,效率極其低下。針對這個問題,本文提出采用AP(Affinity Pro
3、pagation,吸引子傳播)聚類算法自動獲取合理的視覺字典容量,進(jìn)而實現(xiàn)LDA模型場景分類,提高場景分類效率。本文的主要工作如下:
首先,本文介紹了場景分類的背景以及研究意義;分析了場景分類的研究現(xiàn)狀,并介紹了本文的研究工作和主要研究成果。
其次,本文介紹了場景分類方法的相關(guān)理論。給出了場景分類的整體框架,闡述了場景圖像SIFT特征提取的具體流程;列出了聚類算法的種類,詳細(xì)介紹K-means聚類算法和AP聚類算法,
4、并分析比較了這兩種聚類算法的優(yōu)缺點(diǎn)。
第三,提出了一種基于視覺字典容量自動獲取的LDA場景分類方法。利用SIFT算法提取場景圖像的SIFT特征,然后分別使用K-means聚類算法和AP聚類算法獲取視覺字典容量,構(gòu)建視覺字典并生成圖像SIFT特征與視覺字典中單詞的詞頻矩陣,最后利用LDA模型學(xué)習(xí)潛在主題分布,實現(xiàn)場景分類。實驗結(jié)果表明,本文提出的場景分類方法更高效。
第四,本文對實驗結(jié)果進(jìn)行了分析。將基于K-means
5、聚類算法的LDA場景分類方法與基于AP聚類算法的LDA場景分類方法的實驗結(jié)果進(jìn)行了對比。實驗結(jié)果表明:基于AP聚類的LDA建模方法不僅能夠較快的獲取合理的視覺字典容量,而且場景分類的準(zhǔn)確率可達(dá)到79%以上,而基于K-means聚類的LDA建模方法得到的分類準(zhǔn)確率與視覺字典容量之間的關(guān)系曲線并無規(guī)律可循,分類準(zhǔn)確率最高為78.10%。接著,研究LDA模型主題數(shù)對場景分類性能的影響,實驗結(jié)果表明在主題數(shù)相對較少時具有相對較高的分類準(zhǔn)確率;L
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。
最新文檔
- 場景分類視覺字典容量的自動獲取研究.pdf
- 融合AP聚類的視覺字典容量獲取及其PLSA場景分類評價.pdf
- 基于LDA主題模型的圖像場景分類研究.pdf
- 基于LDA主題模型的圖像場景分類.pdf
- 基于CSAE和字典學(xué)習(xí)的室內(nèi)場景分類方法研究.pdf
- 基于機(jī)器視覺的場景目標(biāo)檢測與分類研究.pdf
- 基于機(jī)器視覺的目標(biāo)分類與場景定位研究.pdf
- 基于LDA模型的文本分類研究.pdf
- 基于視覺特征和主題模型的自然場景分類.pdf
- 基于融合空間信息LDA的視覺對象識別研究.pdf
- 基于場景分類的圖像語義自動標(biāo)注及檢索的研究.pdf
- 基于改進(jìn)LDA模型的自然圖像分類.pdf
- 基于機(jī)器人視覺的場景圖像分類的應(yīng)用研究.pdf
- 基于LDA的文本分類研究及其應(yīng)用.pdf
- 基于LDA與SVM的文本分類研究.pdf
- 基于lda的文本分類研究及其應(yīng)用
- 視覺分類及其在場景分析中的應(yīng)用.pdf
- 基于音頻分割的場景分類研究.pdf
- 基于場景分類和視覺關(guān)注的深度圖生成算法研究.pdf
- 基于場景元模型獲取有效需求的研究.pdf
評論
0/150
提交評論