基于局部不變特征融合的圖像檢索技術(shù)研究

《基于局部不變特征融合的圖像檢索技術(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)容在學(xué)術(shù)論文-天天文庫。

1、４Ｖ種成夫凌ＵＭＩＶ巨ＲＳＩＴＶＯＦＥＬＥＣＴＲＯＮＩＣＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＵＯＧＶＯＦＣＨＩＮＡ扣，碩±學(xué)位論文ＭＡＳＴＥＲＴＨＥＳＩＳ■產(chǎn)…＇’ｗ山；－妨刪Ｖ－刪撫；Ｘ＼ｉｒ一＃耀＾化＇＊．．：Ｖ５＾１Ｖ論文題目基于局部不變特征融合的圖像檢索技術(shù)妍究學(xué)科專業(yè)信號(hào)與信息處理．？．？．Ｌ．．二＂Ｊ．學(xué)號(hào)２０１３２１０２０３８２作者姓名謝李鵬指導(dǎo)教師李純明教授Ｉ？，－■‘．．．二．．：二：．？．；＇．，．＊？＂

2、Ｉ：二？．‘－１心％＇Ｖ．三－．．．獨(dú)劍性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加標(biāo)往和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示謝意。＾作者簽名：誨日期：人年５月也日化論文使用授權(quán)本學(xué)位論支作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱

3、和借閱。本人授權(quán)電子科技大學(xué)可レッ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可１＾＾采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（作保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）者簽名：．ｉＨｔｉｆｅ＿導(dǎo)師簽名：必曰期：年月曰分類號(hào)密級(jí)注1UDC（題名和副題名）（作者姓名）指導(dǎo)教師（姓名、職稱、單位名稱）申請(qǐng)學(xué)位級(jí)別學(xué)科專業(yè)提交論文日期2016.03.31論文答辯日期2016.05.23學(xué)位授予單位和日期20166答辯委員會(huì)主席評(píng)閱人注1：注明《國際十進(jìn)分類法UDC》的類號(hào)。ResearchonImageRetrievalBasedontheAggregatio

4、nofLocalInvariantFeatureAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:Signal&InformationProcessingAuthor:XieLipengAdvisor:Prof.LiChunMingSchool:SchoolofElectronicEngineeringofUESTC摘要摘要基于內(nèi)容的圖像檢索直接從圖像本身提取能夠描述其內(nèi)容特點(diǎn)的圖像特征，并將其用于圖像間的相似性度量，已成為當(dāng)前計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究熱點(diǎn)。更重要的是，基于內(nèi)容的圖像檢索

5、有助于構(gòu)建客觀、自動(dòng)、高效的圖像檢索系統(tǒng)，對(duì)于管理互聯(lián)網(wǎng)所產(chǎn)生的海量圖像數(shù)據(jù)具有十分重要的意義。總體而言，圖像特征可概括為顏色、紋理、形狀和局部不變特征，與其他特征相比，局部不變特征具有良好的區(qū)分度，對(duì)于圖像變換具有不變性且其對(duì)圖像遮擋表現(xiàn)出一定的魯棒性。由此，局部不變特征被廣泛應(yīng)用于圖像配準(zhǔn)、目標(biāo)識(shí)別、圖像檢索等計(jì)算機(jī)視覺領(lǐng)域中。本論文主要研究基于詞袋（Bag-of-words）模型與FisherKernel的局部不變特征融合方法，對(duì)這些方法進(jìn)行分析與總結(jié)，進(jìn)而針對(duì)現(xiàn)有算法中出現(xiàn)的問題采取相應(yīng)的改進(jìn)方法，并將改進(jìn)后的算法應(yīng)用于圖像檢索中。本論文的主要工作和貢獻(xiàn)如下：1.研究基于局部不變特征圖

6、像檢索的一些知識(shí)要點(diǎn)，主要包括局部不變特征提取技術(shù)、基于局部不變特征的圖像相似度度量以及圖像檢索性能的評(píng)價(jià)標(biāo)準(zhǔn)。2.研究詞袋模型的理論知識(shí)以及基于詞袋的局部不變特征融合方法，并根據(jù)該融合方法中存在的缺點(diǎn)，采取如下改進(jìn)方法：1）運(yùn)用Kd-Tree近似最近鄰查找算法提高特征編碼的效率；2）運(yùn)用ZCA白化方法降低編碼系數(shù)各維度間的相關(guān)度；3）運(yùn)用冪律歸一化方法平滑圖像表示向量，降低頻率較高的圖像內(nèi)容比重；4）運(yùn)用稀疏自編碼器對(duì)圖像表示向量進(jìn)行優(yōu)化，進(jìn)一步去除向量間的冗余信息同時(shí)增強(qiáng)其描述能力。通過實(shí)驗(yàn)驗(yàn)證，改進(jìn)算法的檢索性能有較大的提高。3.重點(diǎn)研究和分析基于FisherKernel的局部不變特征融

7、合方法，并提出基于局部約束線性編碼的費(fèi)希爾向量。首先，針對(duì)高斯混合模型在高維數(shù)據(jù)空間存在的局限性，運(yùn)用稀疏表示模型建模局部描述子的產(chǎn)生過程，推導(dǎo)出聯(lián)合稀疏表示模型與FisherKernel模型的費(fèi)希爾向量表達(dá)式；其次，針對(duì)稀疏編碼存在的計(jì)算效率低、缺乏空間結(jié)構(gòu)信息等問題，利用局部約束線性編碼算法代替其計(jì)算編碼系數(shù)；最后，用改進(jìn)的白化方法對(duì)高維的圖像表示向量做降維處理，同時(shí)降低向量維度間的信息冗余度