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、隨著數(shù)字成像技術(shù)的快速發(fā)展,數(shù)字圖像呈現(xiàn)海量式增長。如何實現(xiàn)快捷、高效的圖像組織和檢索成為頗具價值的研究課題。目前面向語義提取的圖像分類技術(shù)面臨諸多挑戰(zhàn),如何構(gòu)建高效的圖像分類方法仍是一個值得深入研究的問題。本文圍繞語義提取需求背景下的圖像分類研究這一主題展開,論文的主要工作如下:
(1)概述了圖像特征提取方法和分類方法研究現(xiàn)狀,分析了當(dāng)前圖像分類面臨的問題。探討了基于概率潛在語義分析(probabilistic Latent
2、 Semantic Analysis, pLSA)的圖像分類機制。
(2)由于傳統(tǒng)的pLSA模型無法獲得圖像的空間潛在語義信息,并且沒有考慮潛在主題間的判別性信息。因此,設(shè)計了一種基于多尺度空間判別性pLSA的圖像分類方法。首先利用空間金字塔思想對圖像進行多尺度劃分并結(jié)合pLSA獲得每個局部區(qū)域潛在語義信息;之后再結(jié)合提出的權(quán)值學(xué)習(xí)方法來學(xué)習(xí)不同圖像主題間的判別信息;最后結(jié)合支持向量機(Support Vector Machi
3、ne,SVM)實現(xiàn)分類。實驗表明了空間語義信息和判別性信息在圖像分類中的重要性,驗證了其有效性和魯棒性。
(3)針對傳統(tǒng)潛在語義分析方法中的共生矩陣具有較大的量化誤差,且此方法無法獲得圖像空間語義信息。設(shè)計出了一種稀疏編碼多尺度空間潛在語義分析的圖像分類方法。通過對圖像多尺度劃分得到的局部區(qū)域利用稀疏編碼方法進行特征統(tǒng)計,并利用pLSA模型挖掘出局部區(qū)域中的潛在語義信息。然后聯(lián)合所有局部區(qū)域潛在語義信息并結(jié)合SVM實現(xiàn)分類。實
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(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(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。
最新文檔
- 基于概率潛在語義分析的圖像場景分類.pdf
- 基于超圖融合語義信息的圖像場景分類方法.pdf
- 基于局部模型的圖像語義標(biāo)注方法研究.pdf
- 基于局部特征的圖像分類方法研究.pdf
- 基于局部區(qū)域信息的水平集醫(yī)學(xué)圖像分割方法研究.pdf
- 圖像語義分類方法研究.pdf
- 圖像的語義信息提取與分類方法研究.pdf
- 潛在語義分類模型的研究.pdf
- 基于區(qū)域的圖像語義自動標(biāo)注方法研究.pdf
- 基于上下文信息的語義圖像分類研究.pdf
- 基于語義的圖像分類研究.pdf
- 基于類信息的潛在語義多類文本分類模型研究.pdf
- 基于本體和潛在語義索引算法的文本分類方法研究.pdf
- 基于局部特征的SAR圖像地物分類方法研究.pdf
- 基于潛在語義結(jié)構(gòu)的文本層次分類.pdf
- 基于潛在語義分析的Web文本分類研究.pdf
- 基于語義的Web圖像分類研究.pdf
- 基于感興趣區(qū)域的圖像語義獲取方法研究.pdf
- 圖像分割的基于局部區(qū)域的水平集方法.pdf
- 局部描述特征結(jié)合概率潛在語義模型的場景分類技術(shù)研究.pdf
評論
0/150
提交評論