基于編碼的圖像檢索和數(shù)據(jù)分類研究.pdf

1、近年來，隨著互聯(lián)網技術的高速發(fā)展，網絡上的圖片的數(shù)量急劇增長。如何從海量的圖像庫中快速精準查詢到目標圖像成為一道擺在信息技術領域的具有挑戰(zhàn)性難題。此外，隨著計算機和信息技術的迅猛發(fā)展和普及應用，行業(yè)應用系統(tǒng)的規(guī)模迅速擴大，行業(yè)應用所產生的數(shù)據(jù)呈爆炸性增長。因此，作為數(shù)據(jù)挖掘中的一個重要課題，數(shù)據(jù)分類也一直是國內外研究者關注的焦點。本文對于圖像的檢索領域出現(xiàn)的一些新的方法以及數(shù)據(jù)分類領域的方法，包括基于詞袋模型的圖像雙特征聯(lián)合編碼來實現(xiàn)圖

2、像檢索的方法和對數(shù)據(jù)編碼算法、分類器的改善進行了大量系統(tǒng)的研究。本文的主要研究成果如下：
　　1．提出了一種新的紋理特征與SIFT特征進行聯(lián)合編碼實現(xiàn)了一種圖像檢索方法。在獲取圖像特征時，以關鍵點為中心，選取周圍的區(qū)域，并以區(qū)域中每個像素點為中心構建旋轉不變LBP特征。最后通過將LBP特征描述子與SIFT特征描述子進行結合來提高獲取圖像信息的能力。將圖像在兩個特征空間下的編碼連接之后的聯(lián)合編碼作為圖像的最終編碼表示實現(xiàn)圖像的檢索。

3、
　　2．提出了一種基于SVM分類器的集成方法。該方法將訓練數(shù)據(jù)分成多個子訓練數(shù)據(jù)集，用每個子訓練集去訓練一個弱分類器，通過每個子分類器對全體訓練數(shù)據(jù)的分類準確率給每個弱分類器分配相應的權值，最后用加權的方式將之前訓練的若干個弱分類器結合起來，得到最終的綜合的有更強的分類能力的總分類器。再用這個總分類器去分類測試數(shù)據(jù)。該方法通過將若干個弱分類器各自的分類時捕獲信息的側重點的差異的結合，增強了總分類器的分類性能。提高了數(shù)據(jù)的分類精度