有監(jiān)督的視覺特征提取算法研究.pdf_第1頁
已閱讀1頁,還剩106頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、隨著智能手機、數(shù)碼照相機和攝像機等數(shù)字設備的普及,互聯(lián)網(wǎng)和大容量存儲技術的迅猛發(fā)展,海量圖像呈現(xiàn)在互聯(lián)網(wǎng)上,如何表示圖像中的視覺內(nèi)容進而對其進行分析和理解就成為一個亟待解決的研究問題。由于“語義鴻溝”的存在,傳統(tǒng)的無監(jiān)督的視覺特征提取方法不能很好地滿足圖像理解的要求。針對該問題,本文研究了有監(jiān)督的圖像視覺特征分析和提取方法,在視覺特征提取過程中加入了包括高層語義概念在內(nèi)的監(jiān)督信息,從而將視覺內(nèi)容與具體的語義內(nèi)容相結合。論文在圖像的不同層

2、次上設計視覺特征提取方法。
  在圖像像素(興趣點)層次上,本文提出了一種基于興趣點語義嵌入的視覺詞典構造和中層特征提取方法,在局部興趣點生成全圖描述特征的過程中,加入了圖像標注上帶有的語義信息。相對于無監(jiān)督的方法和其他有監(jiān)督的方法,該方法能夠提升圖像分類任務的精度。
  在圖像像素(興趣點對)層次上,本文設計了一類表示局部興趣點對信息的中層特征,該特征在傳統(tǒng)的基于興趣點的特征基礎上考慮了興趣點對之間的相對位置關系,對圖像具

3、有更好的區(qū)分能力。在此基礎上,本文進一步使用特征語義選擇方法對興趣點對相關特征進行維度選擇,增加了特征的緊湊性和對監(jiān)督信息的表示能力。
  在圖像局部區(qū)域的層次上,本文提出了一種基于圖像局部模板的有監(jiān)督特征提取方法。該方法利用圖像數(shù)據(jù)訓練大量對描述圖像有重要意義的局部模板;對于一張需要提取特征的圖像,計算每個模板在圖像上的響應情況,并利用響應值構成特征。該方法充分考慮了不同物體部分所帶有的視覺內(nèi)容,保證了特征具有較強的描述及區(qū)分能

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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