

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、多媒體技術(shù)的廣泛應(yīng)用與互聯(lián)網(wǎng)日益成為我們生活中的一部分,帶來(lái)了大量的數(shù)字圖像。圖像分類(lèi)正是在這樣的一個(gè)環(huán)境下提出和發(fā)展起來(lái)的。根據(jù)圖像的內(nèi)容把圖像劃分到正確的類(lèi)別,不僅有助于提高網(wǎng)絡(luò)圖像檢索的準(zhǔn)確性,也有助于對(duì)圖像數(shù)據(jù)進(jìn)行科學(xué)有效的組織和管理。如何科學(xué)、準(zhǔn)確的對(duì)圖像數(shù)據(jù)進(jìn)行分類(lèi),是多媒體技術(shù)的一個(gè)重要研究?jī)?nèi)容。
數(shù)字圖像的類(lèi)型有很多,包括彩色圖像、灰度圖像、紅外圖像等,本文主要研究灰度圖像和彩色圖像的分類(lèi)問(wèn)題。近年來(lái),圖像特征
2、提取技術(shù)和機(jī)器學(xué)習(xí)算法都有長(zhǎng)足的發(fā)展,但是,由于分類(lèi)器分類(lèi)模式的差異和圖像集視覺(jué)內(nèi)容的差異,沒(méi)有一種普適的特征或者分類(lèi)器可以很好的解決所有圖像集的分類(lèi)問(wèn)題。因此,從廣義上提高分類(lèi)器性能的分類(lèi)器設(shè)計(jì)方法,分類(lèi)器融合方法應(yīng)運(yùn)而生。本文引入了數(shù)據(jù)挖掘領(lǐng)域異常點(diǎn)檢測(cè)的思想,檢測(cè)出初始分類(lèi)可能錯(cuò)分的圖像,提供給后處理模塊的分類(lèi)器,通過(guò)分類(lèi)器之間的互補(bǔ)和有效的異常點(diǎn)檢測(cè)實(shí)現(xiàn)了圖像的有效分類(lèi)。本文主要工作如下:
1.基于 SVM方法實(shí)現(xiàn)了圖
3、像的初始分類(lèi)。分析比較了多種類(lèi)型的圖像視覺(jué)特征,選擇典型的形狀、紋理和 SIFT特征的組合表示圖像,采用多分類(lèi)的SVM算法實(shí)現(xiàn)了圖像的初始分類(lèi),實(shí)驗(yàn)驗(yàn)證了方法的有效性。
2.將基于角度的高維異常點(diǎn)檢測(cè)算法應(yīng)用于圖像分類(lèi)結(jié)果判別。在異常點(diǎn)檢測(cè)領(lǐng)域,低維異常點(diǎn)指幾維或十幾維的數(shù)據(jù),其余屬于高維異常點(diǎn)檢測(cè)的范疇。本文通過(guò)引入高維異常點(diǎn)檢測(cè)算法,選擇出初始分類(lèi)可能錯(cuò)分的圖像,提供給分類(lèi)結(jié)果優(yōu)化模塊重新分類(lèi)。
3.提出了基于異
4、常點(diǎn)檢測(cè)的圖像分類(lèi)結(jié)果優(yōu)化方法。針對(duì)異常點(diǎn)檢測(cè)獲得的可能錯(cuò)分的圖像,采用最大熵分類(lèi)算法獲得圖像的類(lèi)別,替換初始分類(lèi)獲得的圖像類(lèi)別。通過(guò)分類(lèi)器性能的互補(bǔ)和有效的異常點(diǎn)檢測(cè)算法達(dá)到提高圖像分類(lèi)系統(tǒng)性能的目的。
4.設(shè)計(jì)并實(shí)現(xiàn)了基于異常點(diǎn)檢測(cè)的圖像分類(lèi)實(shí)驗(yàn)系統(tǒng),能夠?qū)崿F(xiàn)對(duì)灰度圖像和彩色圖像的處理。系統(tǒng)在對(duì)圖像進(jìn)行初始分類(lèi)后,采用異常點(diǎn)檢測(cè)算法獲得可能錯(cuò)分的圖像,接著對(duì)可能錯(cuò)分的圖像重新分類(lèi)。針對(duì)訓(xùn)練集,首先提取視覺(jué)特征,然后學(xué)習(xí) S
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
- 基于生物視覺(jué)機(jī)制的圖像特征點(diǎn)檢測(cè)技術(shù)研究.pdf
- 基于角點(diǎn)檢測(cè)的圖像配準(zhǔn)技術(shù)研究---開(kāi)題報(bào)告
- 基于圖像處理技術(shù)的織物疵點(diǎn)檢測(cè)與識(shí)別技術(shù)研究.pdf
- 醫(yī)學(xué)內(nèi)窺鏡圖像的異常檢測(cè)技術(shù)研究.pdf
- 基于角點(diǎn)檢測(cè)的圖像配準(zhǔn)技術(shù)研究---開(kāi)題報(bào)告
- 基于密度的孤立點(diǎn)檢測(cè)技術(shù)研究.pdf
- 基于圖像處理技術(shù)的織物疵點(diǎn)檢測(cè)研究.pdf
- 基于行為分析的網(wǎng)絡(luò)異常流量分類(lèi)和檢測(cè)技術(shù)研究.pdf
- 基于視頻圖像的異常行為檢測(cè)與識(shí)別技術(shù)研究.pdf
- 基于圖像技術(shù)的近胸膜結(jié)點(diǎn)檢測(cè).pdf
- 舌圖像中瘀斑瘀點(diǎn)檢測(cè)技術(shù)研究.pdf
- 圖像角點(diǎn)檢測(cè)算法與測(cè)評(píng)技術(shù)研究.pdf
- 基于圖割和瓶頸點(diǎn)檢測(cè)的血液細(xì)胞圖像分割技術(shù)研究.pdf
- 基于異常的入侵檢測(cè)技術(shù)研究.pdf
- 降質(zhì)圖像序列的斑點(diǎn)檢測(cè)和修復(fù)技術(shù)研究.pdf
- 基于圖像融合的分類(lèi)技術(shù)研究
- 基于邊緣點(diǎn)檢測(cè)特征提取的醫(yī)學(xué)圖像分類(lèi)方法.pdf
- 基于概念漂移的異常檢測(cè)技術(shù)研究.pdf
- 基于hmm的協(xié)議異常檢測(cè)技術(shù)研究
- 基于圖像融合的分類(lèi)技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論