資源描述：
《圖像場(chǎng)景分類的關(guān)鍵技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、題目編號(hào)5圖像場(chǎng)景分類的關(guān)鍵技術(shù)研究ResearchonKeyTechnologiesForSceneClassification學(xué)生姓名專業(yè)學(xué)號(hào)指導(dǎo)教師學(xué)院電子信息工程學(xué)院2012年06月圖像場(chǎng)景分類的關(guān)鍵技術(shù)研究摘要:圖像場(chǎng)景可能由多個(gè)對(duì)象(比如:草地，馬路，建筑物)所組成。給定一組圖像，我們的目標(biāo)是利用無監(jiān)督方法發(fā)現(xiàn)每一幅圖像所包含的對(duì)象，然后根據(jù)這些對(duì)象的分布實(shí)現(xiàn)場(chǎng)景的分類。潛在語(yǔ)義分析是由統(tǒng)計(jì)文本分析發(fā)展而來的產(chǎn)生式模型，它能夠發(fā)現(xiàn)文檔所包含的潛在主題。本文通過研究不同的視覺詞匯和潛在主題數(shù)目對(duì)場(chǎng)景分
2、類性能的影響，我們選擇單層SIFT特征作為PLSA的詞匯表。然后在此基礎(chǔ)上進(jìn)行改進(jìn)，實(shí)現(xiàn)多層SIFT特征，多種特征融合作為詞匯表。采用概率潛在語(yǔ)義分析(PLSA)對(duì)詞匯表進(jìn)行分析，實(shí)現(xiàn)圖像中潛在對(duì)象的發(fā)現(xiàn)；圖像被比作成一篇由若干“視覺詞包”所組成的文檔，圖像中的對(duì)象則被看成該圖像文檔所包含的潛在主題。這樣，利用PLSA就可以發(fā)現(xiàn)圖像中潛在對(duì)象的概率分布?；趯?duì)象概率分布的場(chǎng)景分類則由K-最近鄰分類器來完成的。實(shí)驗(yàn)表明，結(jié)合PLSA和KNN的分類方法提出的基于多層SIFT特征和多種特征融合的PLSA模型可獲得比單
3、層SIFT特征更加理想的場(chǎng)景分類效果關(guān)鍵詞:概率潛在語(yǔ)義分析(PLSA)，場(chǎng)景分類，SIFT特征，顏色特征，邊緣特征，多層SIFT特征ResearchonKeyTechnologiesForSceneClassificationABSTRACT:Givenasetofimagesofscenescontainingmultiplecategories(e.g.grass,roads,buildings)ourobjectiveistodiscovertheseobjectsineachimageinanunsu
4、pervisedmanner,andtousethisobjectdistributiontoperformsceneclassification.Weinvestigatetheclassificationperformanceunderchangesinthevisualvocabularyandnumberoflatenttopicslearnt,anddevelopanovelvocabularyusingSIFTdescriptors.Thenbasedonthismethod,wedeveloped
5、vocabularyusingmulti-levelSIFTdescriptorsinordertoimprovetheclassificationperformance.FinallyUsingavarietyoffeaturesgeneratevocabulary,weachievethisdiscoveryusingprobabilisticLatentSemanticAnalysis(PLSA),agenerativemodelfromthestatisticaltextliterature,herea
6、ppliedtoabagofvisualwordsrepresentationforeachtimeimage.Thesceneclassificationontheobjectdistributioniscarriedoutbyak-nearestneighborclassifier.InallcasestheSceneClassificationBasedonMulti-levelSIFTandMulti-featureforthecombinationofPLSAfollowedby(supervised
7、)K-nearestneighborclassificationachievesmoresuperiorresults.Keywords：PLSA,Sceneclassification,SIFTcharacteristic,multi-levelSIFTcharacteristic目錄第一章引言-1-1.1本文研究目的-1-1.2本文研究意義-2-1.3本文研究工作-4-1.4本文的組織-5-第二章場(chǎng)景分類的特征-6-2.1顏色特征提取-6-2.2SIFT特征提取-7-第三章基于PLSA模型的圖像場(chǎng)景分類-9
8、-3.1PLSA的原理-9-3.2PLSA的優(yōu)點(diǎn)-9-3.3基于PLSA圖像場(chǎng)景分類-10-3.3.1圖像與文本對(duì)應(yīng)關(guān)系-10-3.3.2圖像場(chǎng)景分類過程-10-第四章結(jié)論及展望-12-參考文獻(xiàn)-13-長(zhǎng)春理工大學(xué)論文第一章引言伴隨著日益高速的數(shù)字化圖像，基于內(nèi)容的圖像管理和檢索變得越來越重要。將圖像語(yǔ)義分類(例如:海洋，山脈，街道)和將圖像分解成語(yǔ)義對(duì)象(例如:摩托車，天空，飛機(jī))是
