一種新的圖像稀疏分解方法及其圖像檢索.pdf_第1頁
已閱讀1頁,還剩47頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、基于圖像內(nèi)容的圖像檢索系統(tǒng)通過提取圖像底層的視覺特征,然后進行特征匹配進而完成圖像的檢索,但是這種檢索方式在特征提取過程中僅僅提取了圖像的部分特征,使得大量的信息丟失,圖像檢索系統(tǒng)的魯棒性就會變得很低。
  基于稀疏表示分類的算法是近幾年研究者的新寵,在機器學(xué)習(xí)領(lǐng)域具有很高的研究價值。這種理論最大的特點就是不需要提取圖像的視覺特征來完成圖像的分類,這種算法因其復(fù)雜度低且易于實現(xiàn)而得到了廣泛的研究。
  本文基于圖像內(nèi)容和稀疏

2、表示兩種理論,提出了一種分階段的圖像檢索系統(tǒng)。本文的主要工作及創(chuàng)新內(nèi)容如下:
 ?。?)分析了圖像的稀疏表示理論,為了更好地完成圖像的稀疏表示,本文基于傳統(tǒng)的匹配追蹤算法,提出了基于步長自適應(yīng)的匹配追蹤算法。新算法不僅在圖像重構(gòu)精度上有所提高,同時也減少了傳統(tǒng)算法的復(fù)雜度,適用性更強,是一種更加魯棒的重構(gòu)算法。
  (2)基于圖像稀疏表示理論,研究了基于稀疏表示的分類算法,考慮在圖像有缺失或者遮擋的情況下,提出了一種自適應(yīng)權(quán)

3、值的SRC方法,并且通過步長自適應(yīng)的匹配算法實現(xiàn)了SRC算法的改進,大大提高了圖像稀疏表示的性能。
 ?。?)詳細(xì)介紹了圖像檢索的理論框架,分析了圖像的特征提取以及相似性匹配,結(jié)合傳統(tǒng)的基于內(nèi)容的圖像檢索,提出利用多特征融合的方式來對圖像進行表示。為了加強圖像檢索系統(tǒng)的魯棒性,將基于內(nèi)容的圖像檢索與圖像稀疏分類相結(jié)合,提出了一種新的圖像檢索方法,并詳細(xì)介紹了該算法的實現(xiàn)過程,在分類基礎(chǔ)上實現(xiàn)了圖像的檢索,最后通過相關(guān)實驗對新的圖像

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