2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩67頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、基于內(nèi)容的圖像檢索直接從圖像本身提取能夠描述其內(nèi)容特點的圖像特征,并將其用于圖像間的相似性度量,已成為當前計算機視覺領域的一個研究熱點。更重要的是,基于內(nèi)容的圖像檢索有助于構(gòu)建客觀、自動、高效的圖像檢索系統(tǒng),對于管理互聯(lián)網(wǎng)所產(chǎn)生的海量圖像數(shù)據(jù)具有十分重要的意義??傮w而言,圖像特征可概括為顏色、紋理、形狀和局部不變特征,與其他特征相比,局部不變特征具有良好的區(qū)分度,對于圖像變換具有不變性且其對圖像遮擋表現(xiàn)出一定的魯棒性。由此,局部不變特征

2、被廣泛應用于圖像配準、目標識別、圖像檢索等計算機視覺領域中。
  本論文主要研究基于詞袋(Bag-of-words)模型與Fisher Kernel的局部不變特征融合方法,對這些方法進行分析與總結(jié),進而針對現(xiàn)有算法中出現(xiàn)的問題采取相應的改進方法,并將改進后的算法應用于圖像檢索中。本論文的主要工作和貢獻如下:
  1.研究基于局部不變特征圖像檢索的一些知識要點,主要包括局部不變特征提取技術、基于局部不變特征的圖像相似度度量以及

3、圖像檢索性能的評價標準。
  2.研究詞袋模型的理論知識以及基于詞袋的局部不變特征融合方法,并根據(jù)該融合方法中存在的缺點,采取如下改進方法:
  1)運用Kd-Tree近似最近鄰查找算法提高特征編碼的效率;
  2)運用ZCA白化方法降低編碼系數(shù)各維度間的相關度;
  3)運用冪律歸一化方法平滑圖像表示向量,降低頻率較高的圖像內(nèi)容比重;
  4)運用稀疏自編碼器對圖像表示向量進行優(yōu)化,進一步去除向量間的冗余

4、信息同時增強其描述能力。通過實驗驗證,改進算法的檢索性能有較大的提高。
  3.重點研究和分析基于Fisher Kernel的局部不變特征融合方法,并提出基于局部約束線性編碼的費希爾向量。首先,針對高斯混合模型在高維數(shù)據(jù)空間存在的局限性,運用稀疏表示模型建模局部描述子的產(chǎn)生過程,推導出聯(lián)合稀疏表示模型與Fisher Kernel模型的費希爾向量表達式;其次,針對稀疏編碼存在的計算效率低、缺乏空間結(jié)構(gòu)信息等問題,利用局部約束線性編碼

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。

評論

0/150

提交評論