收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

图像分类任务的关键技术研究

任桢  
【摘要】:随着数字信息技术的发展及广泛应用,数字图像和数字视频的数量增长迅速。图像分类任务正是在这样的一个前提下提出并发展起来。图像分类研究任务主要由预处理,特征提取和分类三个主要环节构成,每个环节对图像的分类效果都有重要的影响。本文从这一着眼点出发,对图像分类各环节的关键技术进行逐一分析,针对各个环节的处理任务,提出以下方法: (1)针对光照对图像分类的影响,提出了自动截断拉伸的快速多尺度Retinex方法(TWMSR)。通过自动截断拉伸处理修正了多尺度Retinex方法(MSR)从log空间映射回灰度空间后,拉伸受少数极值点影响而造成的失真;提出一种窗口无关快速均值滤波算法,用于替代MSR方法中的高斯环境函数,提高了MSR方法的运算速度。TWMSR方法与多种亮度归一化和彩色常化方法进行去光照对比实验,证实该方法在亮度归一和彩色常化上具有最佳性能。 (2)为了去除噪声对图像分类的影响,提出梯度均变双边滤波图像去噪(GSBF)方法。通过分析图像的构成特性提出了图像均质判定规则,构建了梯度均变去噪方法;通过分析梯度均变方法和双边滤波方法性能,提出GSBF方法,实现了去噪和细节保留的平衡。将GSBF方法与多种去噪方法从主、客观的角度和特征稳定性角度进行对比实验,证实了GSBF方法能更有效地去除噪声,提高特征的稳定性。 (3)在特征区域获取环节,提出最大分布熵多尺度小波显著特征区域获取方法。通过采用最大分布熵确定待选取的小波特征点数量,有效地控制了特征的分布性;通过引入多尺度Log空间,实现了不同尺度小波特征区域的获取。将文中提出的小波区域获取方法与其它特征区域求取方法进行对比实验,从尺度、模糊、旋转、光照、视角五种图像特性变化的角度,根据重复性标准进行了比较,结合对这些算法所求得特征区域的相关性评价,提出联合特征区域求取方法。通过实验证明,该联合特征区域求取方法满足了特征区域提取的多样性。 (4)通过对不同图像特征描述子的描述特性分析,构建了一种联合特征描述子,该联合特征描述子由具有信息互补性的4种描述子构成。针对联合特征描述子的特性,提出一种基于打分制的Recall-precision特征描述子评价方法,将该联合描述子与其它描述子从图像特性改变的角度进行了实验比较,证实该联合描述子能够更稳定的描述图像特征区域。通过对联合描述子进行性能实验分析,确定了联合描述子的融合系数。 (5)分析视觉字集在图像分类中的应用,提出一种改进的K均值聚类方法,并用其生成视觉字集。结合概率拉丁语义模型(pLSA)和基于高斯混合贝叶斯两种分类训练模型,对文中所讨论的算法进行综合实验。实验表明,这些环节的改进有效的改善了图像分类效果,也进一步证实了各环节算法在相应图像处理功能上的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 潘建刚,赵文吉,宫辉力;遥感图像分类方法的研究[J];首都师范大学学报(自然科学版);2004年03期
2 冯霞,黄亚楼;基于压缩直方图的图像分类[J];南京航空航天大学学报;2005年03期
3 孟祥增,杨晓娟;结合主题与内容的Web图象分类[J];山东师范大学学报(自然科学版);2005年04期
4 王一达;沈熙玲;谢炯;;遥感图像分类方法综述[J];遥感信息;2006年05期
5 赵凯;李春平;;一种基于粗糙集的图像分类方法[J];微计算机应用;2007年05期
6 李海峰;杜军平;;颜色特征的图像分类技术研究[J];智能系统学报;2008年02期
7 李含光;吴小季;;基于脊波变换和SVM的MSTAR图像分类[J];武汉理工大学学报;2010年16期
8 刘斌;陆华;刘国涛;;遥感数据的粗糙集表示及分类[J];四川理工学院学报(自然科学版);2011年01期
9 朱义明;;基于Hadoop平台的图像分类[J];西南科技大学学报;2011年02期
10 谭衢霖,邵芸;雷达遥感图像分类新技术发展研究[J];国土资源遥感;2001年03期
11 孙蕾,耿国华,周明全,李丙春;用于医学图像分类的支持向量机算法研究[J];计算机应用与软件;2004年11期
12 赵永强;潘泉;张洪才;;基于变精度粗集的分类方法[J];计算机科学;2004年03期
13 于子凡;杜贵君;林宗坚;;图像盒子维数特征计算方法改进[J];测绘科学;2006年01期
14 汤进;张春燕;罗斌;;基于图谱分解和概率神经网络的图像分类[J];中国图象图形学报;2006年05期
15 翟俊海;张素芳;王熙照;;基于小波变换和支持向量机的图像分类[J];河北大学学报(自然科学版);2007年03期
16 黄启宏;刘钊;;基于多超平面支持向量机的图像语义分类算法(英文)[J];光电工程;2007年08期
17 江勇;张晓玲;师君;;基于目标分解与支持向量机的极化SAR图像分类研究(英文)[J];中国图象图形学报;2008年08期
18 王军;王员云;;粒计算及其在图像分类中的应用研究[J];计算机工程与科学;2009年03期
19 解辉;王维兰;;唐卡图像分类知识库的初步设计与构建[J];微计算机信息;2009年19期
20 王国芳;;遥感图像计算机分类方法的研究[J];山西农业科学;2009年10期
中国重要会议论文全文数据库 前10条
1 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
2 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
3 万余庆;;高光谱遥感图像分类识别精度比较[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
4 李杰;付萍;刘金国;;基于维数分类的分形图像编码方法[A];中国图象图形学会第十届全国图像图形学术会议(CIG’2001)和第一届全国虚拟现实技术研讨会(CVR’2001)论文集[C];2001年
5 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
6 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
7 耿迅;龚志辉;张春美;;基于第二代小波变换的遥感图像数字水印算法[A];第十三届全国图象图形学学术会议论文集[C];2006年
8 李玉峰;郑德权;赵铁军;;基于SVM和多特征融合的图像分类[A];第四届全国信息检索与内容安全学术会议论文集(上)[C];2008年
9 吴楠;李晓曦;宋方敏;;图像挖掘及其在医学图像分类中的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年
10 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
中国博士学位论文全文数据库 前10条
1 杨冰;基于艺术风格的绘画图像分类研究[D];浙江大学;2013年
2 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
3 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
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 吴丽娜;基于词袋模型的图像分类算法研究[D];北京交通大学;2013年
6 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
7 匡金骏;基于稀疏表示的图像分类与目标跟踪研究[D];重庆大学;2013年
8 员永生;基于支持向量机分类的面向对象土地覆被图像分类方法研究[D];西北农林科技大学;2010年
9 任桢;图像分类任务的关键技术研究[D];哈尔滨工程大学;2010年
10 曾璞;面向语义提取的图像分类关键技术研究[D];国防科学技术大学;2009年
中国硕士学位论文全文数据库 前10条
1 刘彤彦;WWW图像分类方法研究[D];山东师范大学;2004年
2 武京相;融合全局和局部特征的医学图像分类[D];电子科技大学;2010年
3 臧伟;Boosting算法在远程教育分析和图像分类中的应用研究[D];清华大学;2004年
4 贾宁;基于粗糙集的图像分类和检索研究[D];南华大学;2010年
5 高锦;基于SVM的图像分类[D];西北大学;2010年
6 龚建军;无线网络图像检测系统[D];浙江大学;2004年
7 薛长花;基于半监督学习的静态极光图像分类[D];西安电子科技大学;2010年
8 李慧君;基于量子克隆进化算法的BP神经网络POLSAR图像分类[D];哈尔滨工业大学;2010年
9 柳一鸣;自适应量子行为粒子群算法及其在图像分类中的应用研究[D];浙江大学;2011年
10 王军;粒计算及其在图像分类中的应用研究[D];南昌大学;2007年
中国重要报纸全文数据库 前4条
1 刘杰;民众网络晒照片,博物馆兴趣浓烈[N];中国摄影报;2009年
2 ;尽享极速冲浪快感的 Longator 2004横空出世[N];中国电脑教育报;2004年
3 武德锋 李国辉 林洪文 姚作梁;图像世界任我行[N];计算机世界;2002年
4 乔瑞波;遥感技术在防汛指挥决策中的运用[N];中国水利报;2009年
 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