資源描述:
《基于稀疏表示的圖像標簽填充算法的研究與實現(xiàn)》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、參與交抑看碩±專業(yè)學(xué)位論文3f麵基于稀疏表示的圖像祿簽填充算法的研究與實^^工程領(lǐng)域計算機技術(shù)指導(dǎo)教師馮松鶴副教授^培養(yǎng)院計算機城息技術(shù)學(xué)1?碩±專業(yè)學(xué)位論文基于稀疏表示的圖像標簽填充算法的研巧與實現(xiàn)ResearchandImplementationofImageTagComletionpbasedonSarseReresentationTheorypp作者:霍縣臭導(dǎo)師:馮松鶴北京交通大學(xué)2016年10月學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解北京交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特
2、授權(quán)北京交通大學(xué)可W將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索,并采用影印。提供閱覽服務(wù)、縮印或掃描等復(fù)制手段保存、匯編W供查閱和借閱,同意學(xué)校向國家有關(guān)部口或機構(gòu)送交論文的復(fù)印件和磁盤。(保密的學(xué)位論文在解密后適用本授權(quán)說明)學(xué)位論文作者簽名;導(dǎo)師簽名:彩。日簽字日期'6/簽字日期年作月;2^年月導(dǎo)日:方化引I1學(xué)校代碼:0004密級:公開北京交通大學(xué)碩主專業(yè)學(xué)位論文基于稀疏表示的圖像標簽填充算法的研究與實現(xiàn)ResearchandImplementationofImageTagCompletionbasedon
3、SparseRepresentationTheory作者姓名;霍畳吳學(xué)號:14125215導(dǎo)師姓名:馮松鶴職稱:副教授工程碩±專業(yè)領(lǐng)域:計算機技術(shù)學(xué)位級別:碩壬北京交通大學(xué)2016年10月i致謝本論文的研究工作是在我的導(dǎo)師馮松鶴老師的悉屯、指導(dǎo)下完成的,馮松鶴老師科學(xué)的工作方法和嚴謹?shù)闹螌W(xué)態(tài)度給了我極大的幫助和影響。在此對馮松鶴在我研究生兩年年W來在學(xué)術(shù)研究上給予我的幫助和指導(dǎo)表示衷屯、的感謝。馮松鶴老師對我的科研工作和論文撰寫都提出了很多寶貴的意見和建議,在、,此對朗老師表示衷屯的感謝,在實驗室科研工作方面
4、給予我了極大的幫助和指導(dǎo)在實驗工作中馮老師指導(dǎo)我解決了很多問題,馮老師嚴謹?shù)闹螌W(xué)態(tài)度和刻苦的學(xué)術(shù)精神對我的學(xué)習(xí)和工作產(chǎn)生了極大的影響、,在此對馮老師表示衷屯的感謝。郎叢妍教授對我的科研王作和論文撰寫都提出了寶貴的意見和建議,指導(dǎo)我解決了很多學(xué)術(shù)上的疑問和難題,不管是在學(xué)習(xí)上還是生活上都給我了很多的指。導(dǎo)、關(guān)私及幫助,在此衷也的感謝郎老師在完成實驗室學(xué)術(shù)工作和撰寫論文期間,宋航、邢妍妍、梁麗倩等同學(xué)對我的研究工作和實驗過程都給予了熱情幫助和合理建議,在此向他們表達我的感激之情。、另外也由衷的感謝我的家人,他們的理解和支持使得我能夠在學(xué)校專屯完成
5、一我的學(xué)業(yè),謝謝你們每位。北京巧通大學(xué)碩±專業(yè)學(xué)位論文摘要摘要,隨著互聯(lián)網(wǎng)的飛速發(fā)展,巧線社群圖像的規(guī)模呈爆炸式增長面對日益龐大的圖像數(shù)據(jù),如何對圖像庫進斤有效的組織、管理和檢索成為亟待解決的問題。標簽是當前標注這些網(wǎng)絡(luò)圖像的重要方式,但是由于受用戶知識背景和主觀感情的影響,導(dǎo)致用戶對圖像內(nèi)容的描述是模糊的、甚至有可能是不正確的,許多正確的標簽可能并沒有被標注到圖像上,最終導(dǎo)致用戶從海量社群圖像中檢索目標圖像變得非常困難。因此,為了提高圖像上標注正確標簽的數(shù)量,標簽填充問題一一成為圖像檢索領(lǐng)域個非常熱口的研究課題?;诖耍疚奶岢龇N基于稀疏
6、表示的標簽填充算法來解決標簽填充。通過對現(xiàn)有的圖像標簽填充研巧成果進行詳細的研究和分析,發(fā)現(xiàn)現(xiàn)有的方法在完成標簽填充工作時,,對于給定的初始圖像標簽矩陣都是從全局上來優(yōu)化一,矩陣,得到最終的填充結(jié)果。于是本文提出了種從每個向量入手來重建圖像,的特性,使用群組約束來設(shè)置重建權(quán)重,完成重建過程中的特征選擇。具體來說該方法首先從矩陣的行向量入手,重建圖像特性,在重建時根據(jù)稀疏群組約束來一獲得權(quán)重,得到的重建結(jié)果和最初的標記矩陣按照個權(quán)重融合,同時考慮到了初始標記標簽的信息??桑撞扇。私彿椒▉韺ふ夷繕藞D片的K個最相似圖片來建立字典矩陣,,這個字
7、典矩陣用來重建圖像特性,從而縮小了字典矩陣的維度提高了計算效率。對于最終的重建結(jié)果,選取重建值高的標簽,作為正確標簽填充到圖像標簽矩陣中。本文將稀疏表示思想加入到到標簽填充算法框架中一,為標簽填充問題提供種新的思路法,具有重要的理論與實際意義。為了驗證提出的基于稀疏表示的標簽填充算法的性能,本文在Corel化圖像數(shù)據(jù)集和Flicker30圖像數(shù)據(jù)集上分別進行了大量實驗。關(guān)鍵詞:稀疏表示理論;圖像標簽;K近鄰方法;特征選擇iii北京交通大學(xué)碩±專業(yè)學(xué)位論文ABS