基于詞袋模型的圖像分類方法研究.pdf_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、如何面對人們?nèi)粘I钪薪佑|到的,尤其是互聯(lián)網(wǎng)上數(shù)量激增的圖像進行有效的分類,已經(jīng)成為研究的新熱點。雖然現(xiàn)有的圖像分類技術(shù)已經(jīng)取得不錯的性能,但是它們還存在著一些問題。一是大部分現(xiàn)有的圖像分類算法都是基于圖像的底層特征,無法解決圖像分類中的“語義鴻溝”問題;二是,大多數(shù)圖像分類算法總是忽視圖像中部分與部分之間的空間關(guān)系。 一種新的圖像分類的思路是將一幅圖像看成一篇文章,圖像是由一系列視覺單詞組成的。通過這樣的假設(shè),可以把圖像分類的

2、問題轉(zhuǎn)換為文本分類的問題,一些非常成熟而且有效的文本處理及分類方法可以被應(yīng)用來實現(xiàn)高效的圖像分類。 文本建模著名的模型是詞袋模型(BOW),該模型已經(jīng)被應(yīng)用到現(xiàn)實的圖像分類中,取得了非常不錯的效果?;谠~袋模型的圖像分類可以實現(xiàn)高速的圖片分類,但是它還是無法解決圖像分類中的“語義鴻溝”問題及忽略圖像部分間的空間關(guān)系問題。 本文對基于詞袋模型的圖像分類方法進行研究,提出若干改進算法試圖緩解或者解決其存在的問題。對“語義鴻溝

3、”問題,提出利用概率潛在語義分析的方法提取底層圖像特征中的語義信息,并利用這些語義信息進行分類。對如果利用圖像部分間的空間關(guān)系的問題,提出在詞袋模型基礎(chǔ)上,利用文本的語言建模的概念考慮各種視覺單詞的空間關(guān)系,并利用這些空間關(guān)系進行分類。 本文的主要創(chuàng)新點總結(jié)如下: 1.介紹了圖像分類發(fā)展與問題,將文本分類與圖像分類進行了類比,給出了基于詞袋模型的圖像分類思路。 2.介紹了圖像特征提取算法-尺度不變特征變換描述算子

4、(SIFT),并對其做了改進。改進措施有兩種,一項為減少種子點數(shù)目并增加方向數(shù)目:另一項為給SIFT特征提取步驟中增加提取顏色信息的一環(huán)(SIFT是針對灰度圖像的),從而優(yōu)化圖像的描述效果。 3.針對圖像分類的“語義鴻溝”問題,提出基于概率潛在語義分析與詞袋模型的圖像分類方法。該方法在詞袋模型的基礎(chǔ)上,從視覺詞匯中提取具有語義的中層特征,進而利用分類技術(shù)對圖像分類。 4.為了利用圖像部分間的空間關(guān)系,給出了基于語言建模的

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(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。

評論

0/150

提交評論