本文關鍵詞：基于稀疏表示的圖像目標分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：眾所周知,圖像有著強大的信息搭載量,而隨著科技的發(fā)展,一系列依賴于圖像進行工作的高科技產(chǎn)品應運而生,從而促進了圖像處理技術的蓬勃發(fā)展。圖像目標分類作為圖像處理、人工智能發(fā)展至關重要的研究方向,同樣在以前所未有的速度發(fā)展著。然而和生物認知相比,圖像目標識別的速度和準確率仍舊處于較為落后的水平,具有較高的研究價值和進步的空間。故而,本人選擇基于稀疏表示算法的圖像目標分類作為自己的研究生階段的研究方向。在本文中,本人使用Oxford Pet Dataset中的catdog數(shù)據(jù)庫來進行實驗,通過對M-HMP算法(Multipath Sparse Coding Using Hierarchical Matching Pursuit)[8]中的字典學習算法MI-KSVD進行修改,得到一個新的字典更新算法。該算法通過將字典學習與多尺度相結合而得到,本文將其命名為基于多尺度的奇異值分解(KSingular Value Decomposition based on Multi Scale Objects,簡稱MS-KSVD算法)。經(jīng)大量實驗證明,用MS-KSVD算法替代原始的MI-KSVD算法,可以提升目標分類的準確率。進一步,本文針對M-HMP算法的路徑進行分析,提出更優(yōu)的路徑設計,從而達到：1)在保持準確率不降低的情況下,可以減少路徑的數(shù)量,從而減少算法的計算時間,降低對計算機存儲空間的需求；2)在保持路徑數(shù)量不變的情況下,可以提高目標分類的準確率,使得分類更加精確。為了更好地提升圖像目標分類的準確率,本文還考慮到了特征的權重問題。通過更改不同路徑得到的特征的權重,來提升最終的目標分類準確率�？偨Y,本文通過改進字典學習算法,更改稀疏表示特征的路徑,設定不同路徑的特征權重,從而不斷提升基于catdog數(shù)據(jù)庫的圖像目標分類的準確率,使得最終的分類準確率為53.56%,比原始52.11%的準確率提升了1.45%,這在catdog數(shù)據(jù)庫上是個較為難得的突破。
【關鍵詞】：稀疏表示 圖像目標分類 catdog數(shù)據(jù)庫 MS-KSVD MI-KSVD M-HMP
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-12
• 第1章 引言12-21
• 1.1 課題背景及研究意義12
• 1.2 國內外研究現(xiàn)狀12-18
• 1.2.1 現(xiàn)有分類算法比較13-17
• 1.2.2 目標分類的準確率排名17-18
• 1.2.3 本文方法選取18
• 1.3 圖像目標分類的應用18-19
• 1.4 論文的主要工作及章節(jié)安排19-21
• 第2章 基于稀疏表示和SVM的目標分類21-45
• 2.1 基于稀疏表示的特征描述21-36
• 2.1.1 范數(shù)規(guī)則化22-24
• 2.1.2 稀疏編碼部分24-28
• 2.1.3 字典學習部分28-36
• 2.2 基于SVM的特征分類36-45
• 2.2.1 Logistic回歸36-37
• 2.2.2 線性可分的超平面選取37-39
• 2.2.3 線性不可分的超平面選取39-45
• 第3章 基于稀疏表示的算法改進45-57
• 3.1 M-HMP算法原理及算法改進45-49
• 3.1.1 M-HMP算法原理45-48
• 3.1.2 改進字典學習算法48-49
• 3.2 算法有效性驗證49-57
• 3.2.1 修改參數(shù)的有效性否定49-53
• 3.2.2 單條路徑的有效性驗證53-55
• 3.2.3 總體準確率的有效性驗證55-57
• 第4章 圖像目標分類的實現(xiàn)57-62
• 4.1 路徑選擇和參數(shù)設計57-59
• 4.2 路徑權重設計59-62
• 第5章 總結及展望62-64
• 5.1 論文工作總結62
• 5.2 后續(xù)工作62-64
• 參考文獻64-67
• 作者簡歷及攻讀碩士學位期間取得的研究成果67-69
• 學位論文數(shù)據(jù)集69

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 D.Giuli;M.Gherardelli;M.Fossi;王德純;;用極化判別進行目標分類和識別[J];現(xiàn)代雷達;1987年02期

2 A. Farina;A. Visconti;陳振邦;;利用多重假設測試法對雷達目標分類[J];國外艦船技術.雷達與對抗;1988年Z1期

3 J.S.陳;E.K.沃爾頓;陳振邦;;兩種目標分類技術的比較[J];國外艦船技術.雷達與對抗;1987年04期

4 杜思偉;林家駿;蘇永明;;基于條件證據(jù)更新的機動目標分類[J];華東理工大學學報(自然科學版);2012年04期

5 郭雷,肖懷鐵,付強;基于支持矢量機特征空間距離的多目標分類方法[J];計算機仿真;2005年09期

6 張漢華,王偉,姜衛(wèi)東,陳曾平,莊釗文;基于時間譜信息的低分辨雷達飛機目標分類[J];系統(tǒng)工程與電子技術;2004年04期

7 王強光;伍鐵軍;;智能監(jiān)控系統(tǒng)中的運動目標分類方法研究[J];工業(yè)控制計算機;2011年01期

8 林幼權;;球載雷達目標分類與識別技術研究[J];現(xiàn)代雷達;2011年07期

9 寇英信;王琳;全勇;;自組織特征映射網(wǎng)絡在目標分類識別中的應用[J];火力與指揮控制;2009年01期

10 劉佶鑫;孫權森;曹國;;壓縮感知稀疏識別用于多視角圖像目標分類[J];應用科學學報;2013年02期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 朱靖;王曉博;王國宏;;一種基于高度信息的目標分類方法[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

2 周維;莊連生;俞能海;;小規(guī)模和非平衡數(shù)據(jù)下的目標分類[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

3 盧家楣;劉偉;賀雯;;課堂教學的情感目標分類與測評[A];第十一屆全國心理學學術會議論文摘要集[C];2007年

4 計科峰;高貴;賈承麗;匡綱要;粟毅;;一種利用方位角信息基于峰值匹配的SAR圖像目標分類方法[A];第十二屆全國信號處理學術年會（CCSP-2005）論文集[C];2005年

5 任皓;計科峰;張愛兵;周石琳;;一種利用方位角信息的SAR目標分類方法[A];第七屆全國信息獲取與處理學術會議論文集[C];2009年

6 王曉靜;原達;李道凱;;應用Krawtchouk矩和SVM的運動目標分類技術[A];第五屆全國幾何設計與計算學術會議論文集[C];2011年

7 丘昌鎮(zhèn);任皓;鄒煥新;周石琳;;基于PCA和2D-PCA特征的SAR圖像目標分類性能比較[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 梁鵬;基于內容的目標分類識別關鍵技術研究[D];華南理工大學;2011年

2 王世f^;面向SAR圖像目標分類的關鍵技術研究[D];國防科學技術大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 萬瀟婷;與位置無關的室內多靜止目標分類方法研究[D];南昌大學;2015年

2 張恒;WSN監(jiān)測系統(tǒng)中目標分類與多目標定位的研究[D];國防科學技術大學;2013年

3 李瑋璐;基于JEM效應的飛機目標分類方法研究[D];西安電子科技大學;2014年

4 趙紫蕙;微多普勒效應在飛機目標分類中的應用研究[D];西安電子科技大學;2014年

5 田星華;窄帶雷達車輛目標分類方法及實現(xiàn)[D];西安電子科技大學;2014年

6 蔡利;智能視頻監(jiān)控中運動目標的分類識別研究[D];南京郵電大學;2015年

7 顧婷婷;智能視頻監(jiān)控平臺中運動目標分類的研究與實現(xiàn)[D];南京郵電大學;2015年

8 郭倩;基于視覺詞包模型的大規(guī)模目標分類和檢索[D];河南大學;2015年

9 都期望;基于MPEG-7標準的海上移動目標分類方法研究[D];大連海事大學;2016年

10 胡碧瑩;基于稀疏表示的圖像目標分類方法研究[D];北京交通大學;2016年

  本文關鍵詞：基于稀疏表示的圖像目標分類方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：345304