收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

面向语义提取的图像分类关键技术研究

曾璞  
【摘要】: 随着数字成像技术的快速发展,数字图像的数量也在飞速增长。越来越丰富的图像资源使用户难以在浩如烟海的图像数据中找到真正需要的图像信息,因而,如何实现快捷、高效的图像组织与检索就成为颇具价值的研究课题。近年来,通过图像分类来提取图像语义内容已成为被广泛关注的研究热点问题。然而,目前面向语义提取的图像分类技术面临诸多挑战,如何构建有效的图像分类方法仍是一个值得深入研究的问题。 本文围绕语义提取需求背景下的图像分类研究这一主题,主要针对特征提取、多特征融合和多类分类器设计等关键技术展开研究。论文的主要工作与创新体现在以下几个方面: 1、提出了一种面向场景分类的图像区域潜在语义分布特征提取方法。该特征提取方法的核心在于区域潜在语义的获取,具体过程是首先采用空间金字塔分块生成图像分块区域,然后对图像分块区域集合应用概率潜在语义分析方法自动挖掘出区域潜在语义,最后联合所有图像分块中区域潜在语义的出现概率来构建区域潜在语义分布特征。与其它中间语义特征相比,该特征在不需要人工标注的情况下能利用图像区域语义的空间分布为场景分类服务。在13类场景图像上的实验验证了该特征的有效性。 2、提出了一种基于核函数组合的多特征融合分类模型及其优化方法。该方法通过特征所对应核函数的线性加权组合来实现特征融合,将最优多特征融合问题转化为组合核函数的优化问题,并利用多核学习方法进行优化。为克服传统的多核学习方法只满足类间间隔最大化要求的缺点,根据Fisher准则提出了一种基于类间间隔最大化和类内散度最小化的多核学习算法,并将其用于多特征融合分类模型的优化。实验表明,采用该方法优化的多特征融合分类模型能同时实现特征选择和特征融合,具有更好的分类性能。 3、提出了一种级联模型子空间最小距离分类器的多类分类方法。该方法的核心是通过最小距离分类器筛选出较小的候选集以进行最终的分类。为保证该方法的分类速度和分类精度,提出在模型子空间应用最小距离分类器,并且通过构建一个基于权值稀疏性约束的距离度量学习方法来同时获得最优的模型子空间和相应的距离度量。该方法在不损失分类精度的前提下,能大幅提高分类速度,在Caltech256数据集上的实验验证了这一结果。 4、提出了一种融合特征分布和类别语义相似度的层次分类器生成算法。基于特征分布的类别相似度是在获取基于聚类的类别概率分布基础上,利用概率分布之间的距离来实现;而基于语义的类别相似性度量则是利用类别词在WordNet上的语义关联度来实现。最终,通过二者的线性融合来生成类别相似度,并且利用谱聚类方法实现层次分类器的构建。该方法能利用类别特征分布信息和语义相关信息之间的互补性为构建层次结构服务。与只使用一类信息的方法相比,具有更好的分类性能。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 肖政宏;王家廞;;一种新的基于目标和特征的图像分类框架[J];计算机应用与软件;2006年05期
2 杜玫芳;;数字图书馆中图像分类技术研究[J];现代计算机(专业版);2008年01期
3 周晓光;匡纲要;万建伟;;极化SAR图像分类综述[J];信号处理;2008年05期
4 秦磊;高文;;基于内容相关性的场景图像分类方法[J];计算机研究与发展;2009年07期
5 杨怿菲;;一种基于图像特征的图像分类方法[J];现代电子技术;2009年14期
6 毕萍;;图像分类方法的对比研究[J];现代电子技术;2009年18期
7 孟海东;郝永宽;王淑玲;;聚类分析在非监督图像分类中的应用研究[J];计算机与现代化;2009年10期
8 姚晓昆;邱桃荣;葛寒娟;刘清;王剑;;基于多层次相容粒度的图像分类[J];河北师范大学学报(自然科学版);2010年01期
9 郭立君;赵杰煜;史忠植;;生成模型与判别方法相融合的图像分类方法[J];电子学报;2010年05期
10 黄涛;陈三风;;人工场景图像分类技术研究[J];深圳信息职业技术学院学报;2010年02期
11 张杰;郭小川;金城;陆伟;;基于特征互补率矩阵的图像分类方法[J];计算机工程;2011年04期
12 刘萍萍;赵宏伟;耿庆田;戴金波;;基于局部特征和视皮层识别机制的图像分类[J];吉林大学学报(工学版);2011年05期
13 郭立君;刘曦;赵杰煜;史忠植;;基于改进局部特征分布的图像分类方法[J];模式识别与人工智能;2011年03期
14 姜祖新;张德贤;张苗;李军军;;基于尺度不变特征的图像分类技术研究[J];电脑知识与技术;2012年09期
15 甘玲;谷伟庆;;组合金字塔和多核学习的图像分类方法[J];小型微型计算机系统;2014年07期
16 张好;王士林;李生红;;基于内容图像分类技术中的特征分析[J];信息安全与通信保密;2006年11期
17 许宪东;王亚东;运海红;;统计学习在图像分类中的应用研究综述[J];黑龙江科技信息;2012年32期
18 徐健;常志国;赵小强;;以图像分类为目标的字典学习算法[J];现代电子技术;2013年02期
19 丁建睿;黄剑华;刘家锋;张英涛;;局部特征与多示例学习结合的超声图像分类方法[J];自动化学报;2013年06期
20 孙延鹏;徐思敏;;一种基于层次语义图像分类的改进方法[J];计算机应用与软件;2013年09期
中国重要会议论文全文数据库 前10条
1 郑海红;曾平;;一种基于图像分类的逆半调算法[A];’2004计算机应用技术交流会议论文集[C];2004年
2 文振焜;欧阳杰;朱为总;;基于语义特征与支持向量机的图像分类[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
3 王海峰;管亮;;基于颜色特征的图像分类技术在油品分析中的应用[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
4 陈思坤;吴洪;;基于图分块并利用空间金字塔的医学图像分类[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
5 张淑雅;赵晓宇;赵一鸣;李均利;;基于SVM的图像分类[A];第十三届全国图象图形学学术会议论文集[C];2006年
6 李博;韩萍;;基于压缩感知和SVM的极化SAR图像分类[A];第二十七届中国(天津)2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年
7 朱松豪;胡娟娟;孙伟;;基于非欧空间高阶统计的图像分类方法[A];第25届中国控制与决策会议论文集[C];2013年
8 潘海为;李建中;张炜;;基于像素聚类的脑部医学图像分类[A];第二十届全国数据库学术会议论文集(研究报告篇)[C];2003年
9 吴霜;张一飞;修非;王大玲;鲍玉斌;于戈;;基于兴趣点特征提取的医学图像分类[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
10 武进;尹恺;王长明;张家才;;SVDM在蔬菜病害图像分类中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 赵鑫;图像分类中的判别性增强研究[D];中国科学技术大学;2013年
2 杨冰;基于艺术风格的绘画图像分类研究[D];浙江大学;2013年
3 丁建睿;基于多示例学习的浅表器官超声图像分类方法研究[D];哈尔滨工业大学;2012年
4 贾世杰;基于内容的商品图像分类方法研究[D];大连理工大学;2013年
5 李晓旭;基于概率主题模型的图像分类和标注的研究[D];北京邮电大学;2012年
6 王海江;极化SAR图像分类方法研究[D];电子科技大学;2008年
7 韩东峰;图像分类识别中特征及模型的若干问题研究[D];吉林大学;2008年
8 白有茂;基于张量流形学习的图像分类技术研究[D];中国矿业大学(北京);2013年
9 周晓光;极化SAR图像分类方法研究[D];国防科学技术大学;2008年
10 蔡红苹;基于局部特征的图像分类识别关键技术研究[D];国防科学技术大学;2010年
中国硕士学位论文全文数据库 前10条
1 赵八一;基于概率图模型的图像分类和注释[D];大连理工大学;2010年
2 冀翠萍;基于内容的图像分类研究[D];山东师范大学;2008年
3 鲜艳明;多特征结合与支持向量机集成在图像分类中的应用[D];西安科技大学;2011年
4 周鸽;基于“词袋”模型的图像分类系统[D];苏州大学;2011年
5 杨楠;基于内容的商品图像分类技术研究[D];大连理工大学;2011年
6 吴军;基于正负模糊系统的图像分类的研究及其应用[D];江南大学;2012年
7 黄飞;基于局部不变特征的图像分类研究[D];北京邮电大学;2013年
8 刘程;基于词袋模型的图像分类技术研究[D];安徽大学;2014年
9 郝永宽;聚类分析在图像分类中的应用研究[D];内蒙古科技大学;2008年
10 陈佳琛;快速主动禁忌搜索及其在图像分类中的应用[D];复旦大学;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978