橢圓曲線密碼體制在802.1x無線局域網(wǎng)認(rèn)證中的研究與應(yīng)用

1、專業(yè)學(xué)位碩士學(xué)位論文圖像分類中圖像表達(dá)與分類器關(guān)鍵技術(shù)研究R e s e a r c h o n K e y T e c h n i q u e s o f I m a g e R e p r e s e n t a t i o na n dC l a s s i f i e r i nI m a g e C l a s s i f i c a t i o n作者姓名：學(xué)科、 專業(yè)：學(xué) 號：指導(dǎo)教師：完成日期：曾 輝電子與通信工程3 1

2、 4 0 9 0 1 8李培華( 教授)2 0 1 6 - 5 - 1 0大連理工大學(xué)D a l i a n U n i v e r s i t yo f T e c h n o l o g y大連理工大學(xué)專業(yè)學(xué)位碩士學(xué)位論文摘 要圖像分類是計(jì)算機(jī)視覺領(lǐng)域中十分重要的一個研究課題，在日常生活、工業(yè)生產(chǎn)、醫(yī)療設(shè)備、軍事活動等多個領(lǐng)域都起到了十分重要的作用，大數(shù)據(jù)時代的來臨進(jìn)一步增加了它的應(yīng)用價(jià)值。然而隨著圖像數(shù)量和種類的不斷增加，加上圖像

3、本身受到光照、姿態(tài)、背景干擾、目標(biāo)遮擋等多種因素的影響，使得圖像分類問題具有相當(dāng)?shù)奶魬?zhàn)性。通常情況下一個完整的圖像分類框架包括特征提取、圖像表達(dá)和分類器三個關(guān)鍵步驟。本文系統(tǒng)總結(jié)了三個步驟中的代表性工作，并重點(diǎn)研究了圖像表達(dá)和分類器兩個模塊，提出了一種新的圖像表達(dá)方案和分類算法。圖像表達(dá)方面，大量工作表明在構(gòu)造圖像表達(dá)時保留特征的局部性和利用高階信息對最終的表達(dá)能力十分重要。受此啟發(fā)本文在局部聚合方法的基礎(chǔ)上引入了高階信息，提出了一種高

4、階局部聚合方法。該方法首先在特征空間和圖像空間兩個層面分別進(jìn)行局·部高階聚合，得到高斯分布來表達(dá)圖像的局部信息。因?yàn)楦咚狗植继幵诶杪臻g上，本文進(jìn)而研究了對其進(jìn)行編碼的可行方案，提出了一種簡單高效的將協(xié)方差對角的高斯分布映射到線性空間的方法，然后便可以利用歐式空間的經(jīng)典方法對高斯分布進(jìn)行編碼得到最終的圖像表達(dá)。該方法無論是使用經(jīng)典的手工特征還是卷積神經(jīng)網(wǎng)絡(luò)特征都表現(xiàn)出了十分優(yōu)異的性能。分類器方面，當(dāng)下流行的基于卷積神經(jīng)網(wǎng)絡(luò)特征

5、的圖像表達(dá)都是直接利用支持向量機(jī)進(jìn)行分類，而基于最近鄰的分類器則很少受到關(guān)注，現(xiàn)有的少數(shù)幾篇基于樸素貝葉斯最近鄰分類器的工作性能也都不盡人意。本文為了克服這類方法的缺陷，提出了一種新的大間隔最近子空間分類器。首先區(qū)別于在特征空間的匹配方式，本文在圖像表達(dá)層面定義了三種圖像到圖像類的距離形式，將分類速度提升了數(shù)百倍。然后在此基礎(chǔ)上進(jìn)行了大間隔的度量學(xué)習(xí)進(jìn)一步顯著的提升了分類性能。此外本文還提出了一種簡單高效的利用卷積神經(jīng)網(wǎng)絡(luò)特征的圖像表達(dá)