

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、隨著互聯(lián)網(wǎng)技術(shù)以及基于圖片分享應(yīng)用的日新月異發(fā)展,人們想要在網(wǎng)絡(luò)中尋找自己感興趣的圖像已經(jīng)變得越來越困難,傳統(tǒng)的基于文本的圖像檢索系統(tǒng)已很難滿足人們精確檢索的需求?;趦?nèi)容的圖像檢索應(yīng)運(yùn)而生并得到長(zhǎng)足的發(fā)展。如何使得圖像檢索系統(tǒng)能夠從以計(jì)算機(jī)為中心轉(zhuǎn)向以用戶為中心是本文的主要研究目標(biāo),本文研究路線主要圍繞圖像顯著性分析和多特征融合兩條主線展開。本文主要研究?jī)?nèi)容如下:
1.首先從人類視覺系統(tǒng)的注意力機(jī)制出發(fā),探討了視覺顯著性在圖
2、像理解中的重要性與合理性。經(jīng)過對(duì)諸多顯著特征點(diǎn)提取算法的性能和效果進(jìn)行了綜合評(píng)估,本文采用 Harris算法。利用檢測(cè)出來的顯著點(diǎn)和顯著區(qū)域分別為顏色和紋理特征提取提供基礎(chǔ)。
2.在顏色特征提取方面,本文提出了基于顯著點(diǎn)加權(quán)聚類的局部顏色直方圖方法。首先深入分析了多種顏色空間的區(qū)別與應(yīng)用場(chǎng)合,并基于顏色空間的均勻度角度考慮選擇了CIE1976 L*a*b*顏色空間,并利用K-means聚類方法將顏色空間聚類至低維空間。另外,本
3、文將K-means聚類算法思想應(yīng)用在顯著點(diǎn)的分組中,聚類過程同時(shí)考慮了顯著點(diǎn)的位置和顏色信息,并根據(jù)顯著點(diǎn)與聚類中心的距離加入了相應(yīng)的權(quán)值,并在此基礎(chǔ)上提取圖像的局部顏色直方圖,較好的保留了圖像內(nèi)容的空間信息。經(jīng)證實(shí),本文方法比傳統(tǒng)的局部顏色直方圖方法性能更優(yōu)。
3.在紋理特征提取方面,本文提出了基于顯著區(qū)域的自適應(yīng)鄰域局部二值模式(Local Binary Patterns,LBP)算法。傳統(tǒng)的LBP算法鄰域大小不能動(dòng)態(tài)改變
4、,致使紋理計(jì)算多有誤差。針對(duì)這一不足,本文提出了一種改進(jìn)算法,可通過Tamura紋理計(jì)算方法在計(jì)算粗糙度時(shí)得到的K值來動(dòng)態(tài)改變LBP鄰域大小,得到了自適應(yīng)的鄰域大小。由實(shí)驗(yàn)結(jié)果表明,本文方法優(yōu)于傳統(tǒng)LBP算法。
4.為了進(jìn)一步的縮小顏色、紋理特征與高層語義特征之間的鴻溝,本文應(yīng)用分配權(quán)重的多特征融合方法,同時(shí)引入基于權(quán)重調(diào)整的相關(guān)反饋技術(shù)。為了驗(yàn)證本文方法的有效性,最后在公共數(shù)據(jù)集進(jìn)行了驗(yàn)證,由實(shí)驗(yàn)結(jié)果可看出本文算法具有較優(yōu)的
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。
最新文檔
- 基于視覺顯著性的圖像檢索算法研究.pdf
- 基于多特征融合的視覺顯著性檢測(cè)算法研究.pdf
- 基于多特征的圖像顯著性檢測(cè).pdf
- 基于顯著性加權(quán)和角點(diǎn)特征的圖像檢索.pdf
- 基于顯著性的移動(dòng)圖像檢索.pdf
- 基于特征融合的復(fù)雜紋理圖像顯著性檢測(cè).pdf
- 基于顯著性檢測(cè)的圖像融合算法研究.pdf
- 基于顯著性區(qū)域和基元共生矩陣特征的圖像檢索研究.pdf
- 結(jié)合顯著性分析和半監(jiān)督學(xué)習(xí)的圖像檢索算法.pdf
- 基于視覺機(jī)制的圖像顯著性檢測(cè)及檢索算法研究.pdf
- 圖像顯著性算法和評(píng)價(jià)研究
- 圖像顯著性算法和評(píng)價(jià)研究.pdf
- 基于智能優(yōu)化和視覺顯著性的圖像融合研究.pdf
- 基于多示例學(xué)習(xí)的圖像顯著性分析.pdf
- 基于內(nèi)容的多特征融合圖像檢索算法研究.pdf
- 基于顯著性分割的圖像分類算法研究.pdf
- 基于多特征的視覺顯著性檢測(cè).pdf
- 基于位置感知的圖像顯著性算法研究.pdf
- 基于顯著性分析及擴(kuò)散模型的圖像分割算法研究.pdf
- 圖像的顯著性特征提取.pdf
評(píng)論
0/150
提交評(píng)論