多特征融合的室內(nèi)場景分類研究.pdf_第1頁
已閱讀1頁,還剩74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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、室內(nèi)場景分類是場景分類的一個研究領(lǐng)域,同時也是場景分類的一個研究難點。如有效解決室內(nèi)場景分類精度低的問題,將有助于室內(nèi)場景分類在場景圖片檢索、視頻檢索及機(jī)器人等領(lǐng)域的應(yīng)用。因此,室內(nèi)場景分類的研究具有重要的意義。當(dāng)前應(yīng)用室內(nèi)場景分類主要兩種特征模型:第一種是David G等人提出的空間金字塔模型以及Bosch A等人提出的金字塔梯度直方圖模型;第二種是Oliva等人提出的場景形狀整體空間包絡(luò)模型。本文提出了一種局部特征和全局特征融合的室

2、內(nèi)場景分類方法。這種方法結(jié)合了局部特征的細(xì)節(jié)性和全局特征的全貌性,適當(dāng)提高了室內(nèi)場景分類精度。
  首先,本文綜述了室內(nèi)場景分類相關(guān)的背景知識,以及它的研究意義;分析了室內(nèi)場景分類的研究現(xiàn)狀。
  其次,本文闡述了獲取尺度不變特征轉(zhuǎn)換(SIFT,Scale-invariant feature transform)的詳細(xì)過程,Gist特征概念及獲取的過程,PHOG(Pyramid Histogram of Orientated

3、Gradients)特征概念及獲取過程,SVM分類器,PCA(Principle Component Analysis)降維。其中SIFT特征和PHOG特征屬于場景圖像的局部特征,Gist特征屬于場景圖像的全局特征。另外,本文還闡述了在多特征下進(jìn)行多特征融合的方法。
  第三,本文提出了改進(jìn)的SIFT特征提取方法。經(jīng)典空間金字塔模型在提取場景圖像SIFT特征時,會生成n*128維的特征矩陣,其中n為關(guān)鍵點的個數(shù),也就是矩陣行數(shù),1

4、28為關(guān)鍵點的特征維度。這種情況下場景圖像特征矩陣存在大量0元素,從而導(dǎo)致場景分類精度很低。為此,本文根據(jù)關(guān)鍵點位置進(jìn)行聚類處理,再提取SIFT特征,得到統(tǒng)一維度的SIFT特征矩陣后再進(jìn)行降維處理。另外,本文詳細(xì)闡述了Gist特征和PHOG特征獲取的具體的步驟、詳細(xì)分析了多特征融合的室內(nèi)場景分類方法的整體架構(gòu)及具體研究了室內(nèi)場景多特征的生成。
  第四,本文進(jìn)行了實驗與結(jié)果分析。首先進(jìn)行了室內(nèi)場景圖像的訓(xùn)練集和測試集占比的實驗,從

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。

評論

0/150

提交評論