基于內(nèi)容的圖像結(jié)構(gòu)表示和分類(lèi).pdf

1、本論文研究的主要內(nèi)容是基于內(nèi)容的圖像結(jié)構(gòu)表示和分類(lèi)。作為一個(gè)有著廣泛應(yīng)用前景的研究領(lǐng)域，基于內(nèi)容的圖像分類(lèi)吸引了越來(lái)越多的研究人員參與，取得了許多研究成果并開(kāi)發(fā)了一些商用和研究型系統(tǒng)。但由于缺少結(jié)構(gòu)化的表示，基于內(nèi)容的圖像分類(lèi)存在一定的問(wèn)題?；诖耍恍W(xué)者研究用神經(jīng)網(wǎng)絡(luò)表示和處理數(shù)據(jù)結(jié)構(gòu)的方法，通過(guò)結(jié)構(gòu)的反傳算法(BPTS)學(xué)習(xí)和分類(lèi)樹(shù)型和圖型結(jié)構(gòu)信息。 本文在前人工作的基礎(chǔ)上，分別對(duì)特征提取、結(jié)構(gòu)內(nèi)容的表示和分類(lèi)，各種迭代網(wǎng)

2、絡(luò)分類(lèi)器以及誤差收斂曲線(xiàn)進(jìn)行了研究和討論。設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于結(jié)構(gòu)內(nèi)容的圖像分類(lèi)系統(tǒng)。 在特征提取方面，總結(jié)了CBIR中成熟的顏色、紋理和形狀特征提取方法。提出了一種分塊主色HSV特征提取算法。實(shí)驗(yàn)結(jié)果證明，主色HSV相對(duì)RGB更符合人的視覺(jué)和心理感知；中心分塊在描述局部信息的同時(shí)也能突出主題。 給出了圖像結(jié)構(gòu)化表示的數(shù)學(xué)定義以及通過(guò)結(jié)構(gòu)反傳(BPTS)算法的自適應(yīng)處理數(shù)據(jù)結(jié)構(gòu)迭代神經(jīng)網(wǎng)絡(luò)的一般框架。 提出了一種

3、基于樹(shù)型結(jié)構(gòu)的自然圖像表示和分類(lèi)的方法。實(shí)現(xiàn)了對(duì)圖像逐步分級(jí)的四叉樹(shù)型結(jié)構(gòu)(無(wú)區(qū)域分割)的表示以及在UCBerkeley的圖像庫(kù)分割結(jié)果基礎(chǔ)上的自動(dòng)鄰接區(qū)域二叉樹(shù)和人工生成多叉樹(shù)型結(jié)構(gòu)表示。討論了幾種不同迭代神經(jīng)網(wǎng)絡(luò)模型的分類(lèi)器以及通過(guò)結(jié)構(gòu)反傳的樹(shù)型結(jié)構(gòu)的學(xué)習(xí)流程。實(shí)驗(yàn)結(jié)果表明，基于迭代神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)表示和分類(lèi)方法具有很強(qiáng)的結(jié)構(gòu)學(xué)習(xí)能力，而且相對(duì)于傳統(tǒng)的BP網(wǎng)絡(luò)，分類(lèi)性能有很大的提高。同時(shí)，基于分割結(jié)果的樹(shù)型表示，尤其是人工生成的多叉樹(shù)