

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、圖像聚類與檢索作為計(jì)算機(jī)視覺(jué)領(lǐng)域中高層語(yǔ)義理解層面下的兩大研究方向具有廣泛的應(yīng)用價(jià)值。其主要研究方向集中于如何形成合理的圖像特征表達(dá)和設(shè)計(jì)優(yōu)化的推理求解算法。使用MRF模型進(jìn)行圖像建模表達(dá),通過(guò)運(yùn)用統(tǒng)計(jì)學(xué)習(xí)思想,利用概率分布形式描述元素間相互作用,可有效地刻畫(huà)出圖像空間依賴關(guān)系,相比于傳統(tǒng)判別模型,降低了圖像理解的模糊性和二義性。該類模型通過(guò)將推理任務(wù)等價(jià)轉(zhuǎn)化為能量最小化問(wèn)題,提供了廣泛的優(yōu)化求解算法。本文以圖像聚類和檢索這兩大任務(wù)為驅(qū)
2、動(dòng),重點(diǎn)研究MRF模型下的ICM和圖切割兩種離散優(yōu)化算法的有效求解過(guò)程,主要工作如下:
(1)分析并總結(jié)了MRF模型在圖像處理相關(guān)領(lǐng)域的研究現(xiàn)狀,引出MRF模型應(yīng)用于圖像聚類和檢索任務(wù)中的重要意義和價(jià)值。
(2)概述了MRF基礎(chǔ)理論,給出能量函數(shù)基本定義及最大后驗(yàn)概率求解框架,重點(diǎn)分析ICM和圖切割優(yōu)化算法求解原理。
(3)針對(duì)傳統(tǒng)聚類方法缺乏圖像空間關(guān)系的特點(diǎn),研究提出一種基于MRF模型的圖像聚類方法,將
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)聚類算法的圖像檢索研究.pdf
- 基于聚類的圖像檢索技術(shù)研究.pdf
- 基于學(xué)習(xí)聚類的圖像檢索算法研究.pdf
- 基于屬性關(guān)聯(lián)圖的圖像檢索與聚類研究.pdf
- 基于聚類的鞋印圖像檢索算法研究.pdf
- 基于形狀的植物葉子圖像檢索與聚類研究.pdf
- 基于聚類的相關(guān)反饋圖像檢索的研究.pdf
- 聚類在基于語(yǔ)義圖像檢索中的研究與應(yīng)用.pdf
- 基于顏色紋理聚類索引的圖像檢索研究.pdf
- 基于ISODATA聚類的詞匯樹(shù)圖像檢索算法研究.pdf
- 基于骨架圖的圖形圖像檢索與自動(dòng)聚類.pdf
- 基于MRF模型的遙感圖像分割算法研究.pdf
- 基于聚類緊湊特征的大規(guī)模圖像檢索研究.pdf
- 基于空域MRF模型的SAR圖像分割方法研究.pdf
- 基于聚類和SVM主動(dòng)反饋的圖像檢索方法.pdf
- 基于MRF模型SAR圖像分割算法研究.pdf
- 基于聚類的索引在圖像檢索中的應(yīng)用研究.pdf
- 面向圖像檢索的海量圖像自動(dòng)聚類方法研究.pdf
- 基于快速密度峰值聚類的圖像檢索技術(shù)研究與應(yīng)用
- 基于快速密度峰值聚類的圖像檢索技術(shù)研究與應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論