基于“詞袋”模型的圖像分類系統(tǒng).pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費(fèi)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(bào)或認(rèn)領(lǐng)

文檔簡介

1、作為圖像檢索、圖像識別、圖像過濾等方法的關(guān)鍵技術(shù),基于內(nèi)容的圖像分類技術(shù)已成為模式識別領(lǐng)域中的一個(gè)重要研究方向,它的目的是將圖像數(shù)據(jù)按照自身的語義特征進(jìn)行分類,“詞袋”模型在基于內(nèi)容的圖像分類領(lǐng)域中取得了很大的成功,因此越來越受到大家的重視。但是,在構(gòu)建視覺詞匯表的過程中,當(dāng)前的很多方法只是簡單的將底層特征進(jìn)行聚類,并沒有考慮圖像區(qū)域之間的空間關(guān)系,這導(dǎo)致了詞匯表不夠準(zhǔn)確和穩(wěn)定。本論文引入和改進(jìn)了幾種能夠結(jié)合空間信息的算法,用于構(gòu)建視覺

2、詞匯表。本文的主要貢獻(xiàn)在以下幾點(diǎn):
   首先,提出了一種演化SOM-SD算法對傳統(tǒng)的SOM-SD的神經(jīng)網(wǎng)絡(luò)算法進(jìn)行加速并用來進(jìn)行圖像分類。傳統(tǒng)的SOM-SD算法的最大優(yōu)點(diǎn)是它能夠有效處理結(jié)構(gòu)數(shù)據(jù),區(qū)分相似度較高的對象。但是,由于引入了空間信息,SOM-SD計(jì)算量非常大,影響了其在大規(guī)模圖像庫上的應(yīng)用。在保留SOM-SD處理結(jié)構(gòu)數(shù)據(jù)能力的前提下,本文利用分層演化思想提高計(jì)算效率。實(shí)驗(yàn)證明:演化SOM-SD算法在圖像分類性能上比沒

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(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(shí)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