多特征融合的室內(nèi)場景分類研究.pdf_第1頁
已閱讀1頁，還剩74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、室內(nèi)場景分類是場景分類的一個研究領域，同時也是場景分類的一個研究難點。如有效解決室內(nèi)場景分類精度低的問題，將有助于室內(nèi)場景分類在場景圖片檢索、視頻檢索及機器人等領域的應用。因此，室內(nèi)場景分類的研究具有重要的意義。當前應用室內(nèi)場景分類主要兩種特征模型:第一種是David G等人提出的空間金字塔模型以及Bosch A等人提出的金字塔梯度直方圖模型;第二種是Oliva等人提出的場景形狀整體空間包絡模型。本文提出了一種局部特征和全局特征融合的室

2、內(nèi)場景分類方法。這種方法結合了局部特征的細節(jié)性和全局特征的全貌性，適當提高了室內(nèi)場景分類精度。
　　首先，本文綜述了室內(nèi)場景分類相關的背景知識，以及它的研究意義;分析了室內(nèi)場景分類的研究現(xiàn)狀。
　　其次，本文闡述了獲取尺度不變特征轉換(SIFT，Scale-invariant feature transform)的詳細過程，Gist特征概念及獲取的過程，PHOG(Pyramid Histogram of Orientated

3、Gradients)特征概念及獲取過程，SVM分類器，PCA(Principle Component Analysis)降維。其中SIFT特征和PHOG特征屬于場景圖像的局部特征，Gist特征屬于場景圖像的全局特征。另外，本文還闡述了在多特征下進行多特征融合的方法。
　　第三，本文提出了改進的SIFT特征提取方法。經(jīng)典空間金字塔模型在提取場景圖像SIFT特征時，會生成n*128維的特征矩陣，其中n為關鍵點的個數(shù)，也就是矩陣行數(shù)，1

4、28為關鍵點的特征維度。這種情況下場景圖像特征矩陣存在大量0元素，從而導致場景分類精度很低。為此，本文根據(jù)關鍵點位置進行聚類處理，再提取SIFT特征，得到統(tǒng)一維度的SIFT特征矩陣后再進行降維處理。另外，本文詳細闡述了Gist特征和PHOG特征獲取的具體的步驟、詳細分析了多特征融合的室內(nèi)場景分類方法的整體架構及具體研究了室內(nèi)場景多特征的生成。
　　第四，本文進行了實驗與結果分析。首先進行了室內(nèi)場景圖像的訓練集和測試集占比的實驗，從

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