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),請進行舉報或認領(lǐng)
文檔簡介
1、基于局部特征與視覺辭典的視覺局部表達與索引模型是當前主流的計算機視覺系統(tǒng)的基本組成部分,在目標識別、場景匹配、多媒體內(nèi)容搜索與分析中具有廣闊的應用前景,也是目前計算機視覺與多媒體分析的研究熱點之一。局部視覺表達模型首先提取圖像中的局部感興趣點,然后在訓練集合上構(gòu)建視覺辭典,形成局部視覺空間的量化表以獲取量化的視覺單詞特征空間劃分。進而,視覺辭典及其索引模型將圖像表示為視覺詞包,并在視覺單詞上進行倒排索引。在當前主流的計算機視覺系統(tǒng)的應用
2、研究已經(jīng)表明,視覺局部表達模型具有很好的尺度與仿射變換不變性,并且能夠較好的解決目標的部分遮擋與搜索中的部分匹配問題。
然而,研究中也發(fā)現(xiàn),基于局部視覺特征與視覺辭典的視覺局部表達模型也存在著視覺判別力不足、表達過于稠密、無法反映高層語義等問題。本文主要針對局部特征抽取、視覺辭典構(gòu)造過程中的視覺量化誤差與語義描述力、進行研究,并且探討了基于視覺單詞共生模式的視覺辭典的輸出表達。本文引入基于學習的機制,進行有監(jiān)督或者無監(jiān)督的視覺
3、局部特征抽取、視覺辭典構(gòu)建、視覺模式挖掘,試圖構(gòu)建一個基于學習的,分層次的視覺局部表達框架。在局部描述子抽取方面,本文試圖通過空間上下文的學習和類別上下文的學習,將檢測從局部域推進到局部-全局域之間。在無監(jiān)督視覺詞典及其索引學習方面,本文探究了傳統(tǒng)視覺辭典中量化誤差的起源,揭示了視覺單詞與文本單詞分布的差異性起源,和解決此差異性帶來的影響,并探討了辭典及其索引模型的泛化性和自適應學習能力。在有監(jiān)督視覺辭典學習方面,本文同時探究了引入圖像
4、類別標簽,監(jiān)督視覺辭典的構(gòu)建過程,從而將學習算法引入到特征空間的量化中。在優(yōu)化的視覺辭典模型的基礎(chǔ)上,本文進一步探究了由視覺單詞到視覺短語的構(gòu)建方法,研究了基于視覺單詞空間組合的視覺模式生成方法和使用方法。具體而言,本文的主要研究內(nèi)容如下:
在局部感興趣點的提取檢測階段,提出了一種基于上下文的半局部感興趣點檢測子。該檢測子結(jié)合了圖像的尺度空間極值與位置空間的響應上下文進行圖像中感興趣點的檢測。首先,提出了一種上下文高斯差分場,
5、用以統(tǒng)計傳統(tǒng)局部檢測子的多尺度空間上下文,從而有效反映半局部域上的上下文感興趣區(qū)域。實驗進一步發(fā)現(xiàn)其與傳統(tǒng)的視覺關(guān)注度模型有著一定程度上吻合。其次,通過均值漂移算法在上下文高斯差分場上定位檢測結(jié)果,并且將分類訓練的類別信息融入均值漂移核函數(shù)中,從而允許檢測子發(fā)現(xiàn)對于后端分類器真正“感興趣”的特征點。結(jié)合以上兩種上下文,構(gòu)建了稀疏、上下文敏感、具有類比判決力的半局部局部特征檢測子。
在無監(jiān)督視覺辭典優(yōu)化與索引構(gòu)造階段,提出了一種
6、基于密度的測距學習算法,通過無監(jiān)督密度學習,進行特征空間的不等長量化。首先,通過在有判決力特征空間區(qū)域進行精細量化,而在無判決力特征空間區(qū)域進行粗糙量化,從而減少整體量化誤差,同時也使得所構(gòu)造的視覺單詞具有和文本單詞類似的分布。進而,提出了一種類似于集成學習的層次識別鏈,進行基于視覺辭典層次結(jié)構(gòu)的快速識別,在保證識別匹配有效性的基礎(chǔ)上提高算法效率。
在有監(jiān)督的視覺辭典學習階段,進一步提出了基于語義嵌入的有監(jiān)督量化算法。該算法通
7、過引入網(wǎng)絡(luò)社區(qū)的圖像標簽信息,構(gòu)建語義敏感的視覺辭典。首先,該算法提出了特征空間的密度-散度估計過程,在具有某類標簽的圖像集合中將標簽從圖像傳播到感興趣點上。其次,該算法將有監(jiān)督的視覺辭典建模為隱馬爾科夫隨機場,其中觀測場代表局部描述子集合,而隱場代表用戶標簽監(jiān)督。隱場的監(jiān)督通過吉布斯分布作用于觀測場的局部描述子集合中,而有監(jiān)督量化過程則被視為帶隱場勢能影響的觀測場點集聚類過程。同時,我們采用WordNet對隱場中的語義標簽相關(guān)性進行建
8、模,從而更好地消除用戶標簽的同義性噪聲。
在視覺辭典的輸出表達階段,提出了基于共生性視覺短語挖掘的辭典優(yōu)化學習算法。通過編碼局部描述子在圖像中的空間相對位置,生成共生視覺模式候選集合。進而,提出一種基于Aprior引力距離的共生模式挖掘?qū)W習,生成對于類別敏感的二階視覺單詞組合。該二階單詞組合具有表達更稀疏,更具判決力的特質(zhì),從而縮減了傳統(tǒng)的,基于視覺詞包的表達的高維度問題,獲取了更有判決力,維數(shù)更低的視覺局部描述。在視覺搜索與
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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(quán)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。
最新文檔
- 基于視覺詞組的圖像高維索引結(jié)構(gòu)的研究與實現(xiàn)
- 基于多視覺詞匯索引的車輛圖像檢索.pdf
- 基于局部特征檢測的圖像搜索引擎的設(shè)計與實現(xiàn).pdf
- 基于立體視覺的局部場景語義標注.pdf
- 基于語義與視覺特征融合圖像搜索引擎的研究與實現(xiàn).pdf
- 基于局部與非局部相似性學習的目標跟蹤算法研究.pdf
- 基于局部視覺模型的人臉識別研究.pdf
- 基于局部敏感直方圖的視覺目標跟蹤算法研究.pdf
- 基于局部特征與視覺顯著性的圖像目標識別研究.pdf
- 基于視覺詞匯學習的形狀分析與匹配.pdf
- 基于局部視覺信息的大規(guī)模圖像檢索研究.pdf
- 基于主被動視覺的障礙檢測與機器人局部路徑規(guī)劃.pdf
- 基于路徑表達式的XML索引查詢技術(shù).pdf
- 基于特征學習與特征聯(lián)想的視覺跟蹤算法研究.pdf
- 視覺語言分析:從底層視覺特征表達到語義距離學習.pdf
- 基于局部二值模式的紋理表達研究.pdf
- 基于學習的低階視覺問題研究.pdf
- 基于局部視覺特征的視頻內(nèi)容檢測技術(shù)研究.pdf
- 基于雙目視覺的局部立體匹配算法研究.pdf
- 基于圖像局部不變特征的機器人視覺伺服.pdf
評論
0/150
提交評論