資源描述：
《基于局部特征提取的場(chǎng)景分類算法研究》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(kù)。
1、電子科技大學(xué)UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA碩士學(xué)位論文MASTERTHESIS（電子科技大學(xué)圖標(biāo)）論文題目基于局部特征提取的場(chǎng)景分類算法研究學(xué)科專業(yè)通信與信息系統(tǒng)學(xué)號(hào)201221010214作者姓名張達(dá)明指導(dǎo)教師馬爭(zhēng)教授分類號(hào)密級(jí)注1UDC學(xué)位論文基于局部特征提取的場(chǎng)景分類算法研究（題名和副題名）張達(dá)明（作者姓名）指導(dǎo)教師馬爭(zhēng)教授電子科技大學(xué)成都（姓名、職稱、單位名稱）申請(qǐng)學(xué)位級(jí)別碩士學(xué)科專業(yè)通信與信息系統(tǒng)提交論文日期2015.3.26論文答辯日期2015.5.15學(xué)位授予單位和日期電子科技大學(xué)
2、2015年6月答辯委員會(huì)主席虞紅芳教授評(píng)閱人注1：注明《國(guó)際十進(jìn)分類法UDC》的類號(hào)。RESEACHONSCENECLASSIFICATIONALGORITHMBASEDONLOCALFEATUREEXTRACTIONAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:CommunicationandInformationSystemsAuthor:ZhangDaMingAdvisor:ProfessorMaZhengSchool:SchoolofCommu
3、nication&InformationEngineering獨(dú)創(chuàng)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，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)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(shū)而使用過(guò)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)均已在論文中作了明確的說(shuō)明并表示謝意。作者簽名：日期：年月日論文使用授權(quán)本學(xué)位論文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(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)電
4、子科技大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）作者簽名：導(dǎo)師簽名：日期：年月日摘要摘要隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和普及，網(wǎng)絡(luò)中的圖像數(shù)據(jù)呈幾何級(jí)增長(zhǎng)。面對(duì)如此大量的圖像資源，如何快速而有效地對(duì)其進(jìn)行監(jiān)督和管理已成為研究的熱點(diǎn)。而解決此類問(wèn)題的重要途徑就是場(chǎng)景分類技術(shù)。場(chǎng)景分類旨在通過(guò)計(jì)算機(jī)將海量圖像數(shù)據(jù)自動(dòng)地標(biāo)注為不同的類別，從而實(shí)現(xiàn)圖像的自動(dòng)分類。它能夠克服人工分類中的工作量大、效率低、成本高、疲勞和容易誤判等難題，具有重要的研究?jī)r(jià)值。場(chǎng)景分類的核心問(wèn)題
5、是如何利用低層特征得到圖像的類別信息，而提取圖像的局部特征是解決這個(gè)問(wèn)題的一個(gè)重要研究突破口。緊緊圍繞場(chǎng)景分類的目的，本文將基于局部特征提取的場(chǎng)景分類算法作為主要研究?jī)?nèi)容，分別研究了局部特征提取算法和特征編碼算法。本文的研究工作主要集中在以下四個(gè)方面：1.研究了密集SIFT特征提取算法，針對(duì)特征向量缺少旋轉(zhuǎn)不變性的問(wèn)題進(jìn)行了改進(jìn)。首先，計(jì)算多個(gè)方向的梯度響應(yīng)，然后尋找主方向，再對(duì)特征描述子進(jìn)行方向歸一化，使最終得到的特征描述子具有了一定的旋轉(zhuǎn)不變性，提高了特征提取算法的魯棒性。2.研究了協(xié)方差矩陣特征提取算法，針對(duì)其計(jì)算量較大的問(wèn)題，在結(jié)合了密集網(wǎng)格采樣框架之后
6、，對(duì)其進(jìn)行了改進(jìn)。在圖像上劃分密集的網(wǎng)格，然后分別計(jì)算協(xié)方差矩陣特征描述子。在減少了計(jì)算量的同時(shí)，又保證了提取特征的準(zhǔn)確性，提高了算法的性能。3.研究了局部約束線性編碼算法，針對(duì)其編碼過(guò)程中碼本映射存在模糊性的問(wèn)題進(jìn)行了改進(jìn)。在編碼過(guò)程中加入了判別準(zhǔn)則閾值，使編碼算法有一定的自適應(yīng)性。改進(jìn)后的算法使碼本能夠更加準(zhǔn)確地重建特征向量，在提高分類性能的同時(shí)，又縮短了編碼時(shí)間。4.利用改進(jìn)后的特征提取算法和特征編碼算法設(shè)計(jì)了兩種場(chǎng)景分類算法：基于改進(jìn)局部特征線性編碼的場(chǎng)景分類算法和基于關(guān)鍵點(diǎn)輔助線性編碼的場(chǎng)景分類算法。這兩種算法都取得了很好的分類效果。實(shí)驗(yàn)是在Matla
7、b平臺(tái)下進(jìn)行的，并選用15-類場(chǎng)景數(shù)據(jù)集合8-類場(chǎng)景數(shù)據(jù)集作為實(shí)驗(yàn)數(shù)據(jù)的來(lái)源。關(guān)鍵字：場(chǎng)景分類，SIFT，協(xié)方差矩陣，線性編碼IABSTRACTABSTRACTWiththerapiddevelopmentandpopularizationoftheInternet,theamountofInternetimagedatagrowsexponentially.Facingsuchalotofimageresources,howtosuperviseandmanagethemquicklyandefficientlyhasbecomeahotresearch.An
8、dtheimportan
