版權(quán)說(shuō)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、本論文主要研究基于中層特征的圖像分類。相比于傳統(tǒng)的圖像底層特征,中層特征語(yǔ)義信息更豐富、穩(wěn)定性更好、判別能力更強(qiáng),因而更適應(yīng)于現(xiàn)代多媒體技術(shù)的發(fā)展。FV(Fisher Vector)中層特征由于其分類能力強(qiáng),對(duì)分類器不敏感等優(yōu)點(diǎn)獲得了廣泛的關(guān)注。
本文首先針對(duì)FV特征計(jì)算量大的缺點(diǎn),使用稀疏FV進(jìn)行了加速。本文提出了快速稀疏FV和自適應(yīng)稀疏FV,能適應(yīng)不同場(chǎng)景下的圖像分類需求。在通過(guò)實(shí)驗(yàn)驗(yàn)證稀疏FV的同時(shí),從理論上分析稀疏FV
2、提升計(jì)算效率的原因,為進(jìn)一步改進(jìn)稀疏FV打下基礎(chǔ)。
其次本文提出利用圖像前景先驗(yàn)分布來(lái)抑制圖像中背景成分,提高分類精度的算法。首先使用objectness算法得到可能包含前景的窗口,再使用貝葉斯概率模型求出圖像前景的概率分布,通過(guò)對(duì)各特征的加權(quán)增強(qiáng)前景特征在圖像表達(dá)中的作用。實(shí)驗(yàn)證明前景先驗(yàn)分布提高了分類效果,并能與各種中層特征算法相結(jié)合。
最后本文針對(duì)傳統(tǒng)圖像分類算法無(wú)法識(shí)別未訓(xùn)練類別的不足,使用屬性特征實(shí)現(xiàn)了圖像
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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。
最新文檔
- 基于中層特征的精細(xì)圖像分類.pdf
- 基于中層特征表示的圖像分類研究.pdf
- 基于中層語(yǔ)義特征的圖像場(chǎng)景分類研究.pdf
- 基于中層語(yǔ)義的圖像場(chǎng)景分類算法研究.pdf
- 基于中層語(yǔ)義表示的圖像場(chǎng)景分類研究.pdf
- 基于綜合特征的圖像分類.pdf
- 基于中層語(yǔ)義表示的圖像場(chǎng)景分類研究(1)
- 基于中層語(yǔ)義的圖像場(chǎng)景分類算法研究(1)
- 基于紋理特征的圖像分類研究.pdf
- 基于特征組合的圖像場(chǎng)景分類.pdf
- 基于特征學(xué)習(xí)的圖像場(chǎng)景分類.pdf
- 基于局部特征的圖像分類研究.pdf
- 基于紋理特征的瓷磚圖像分類.pdf
- 基于ENVI的遙感圖像特征分析及圖像分類.pdf
- 基于圖像特征空間學(xué)習(xí)的圖像分類方法研究.pdf
- 基于顏色特征的圖像分類算法研究.pdf
- 基于特征統(tǒng)計(jì)的極化SAR圖像分類.pdf
- 基于多重特征的圖像分類算法研究.pdf
- 基于底層特征和SVM的圖像分類.pdf
- 基于融合特征及邊界特征的圖像分類與檢索.pdf
評(píng)論
0/150
提交評(píng)論