資源描述：
《基于詞袋模型的圖像分類算法研究.pdf》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、基于詞袋模型的圖像分類算法研究陳雲(yún)飛2015年01月中圖分類號：UDC分類號：基于詞袋模型的圖像分類算法研究作者姓名陳雲(yún)飛學(xué)院名稱計算機學(xué)院指導(dǎo)教師馬波副教授答辯委員會主席沈建冰教授申請學(xué)位工學(xué)碩士學(xué)科專業(yè)計算機科學(xué)與技術(shù)學(xué)位授予單位北京理工大學(xué)論文答辯日期2015年01月ImageClassificationResearchbasedonBagofWordsModelsCandidateName:YunfeiChenSchoolorDepartment:ComputerScienceandTechnol
2、ogyFacultyMentor:AssociateProf.BoMaChair,ThesisCommittee:Prof.JianbingShenDegreeApplied:MasterofPhilosophyMajor:ComputerScienceandTechnologyDegreeby:BeijingInstituteofTechnologyTheDateofDefence:January,2015研究成果聲明本人鄭重聲明：所提交的學(xué)位論文是我本人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作獲得的研究成果。
3、盡我所知，文中除特別標(biāo)注和致謝的地方外，學(xué)位論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得北京理工大學(xué)或其它教育機構(gòu)的學(xué)位或證書所使用過的材料。與我一同工作的合作者對此研究工作所做的任何貢獻(xiàn)均已在學(xué)位論文中作了明確的說明并表示了謝意。特此申明。簽名：日期：北京理工大學(xué)碩士學(xué)位論文摘要圖像分類是計算機視覺的熱點研究方向，在諸如圖像檢索、行為分析、醫(yī)學(xué)成像、智能搜索引擎等領(lǐng)域有著廣泛應(yīng)用。近些年，得益于模式識別、機器學(xué)習(xí)和圖像特征提取的新理論和新方法，圖像分類領(lǐng)域取得了重要研究進(jìn)展，但是由于類內(nèi)
4、圖像表觀的復(fù)雜性、類間圖像表觀的相似性以及大數(shù)據(jù)對于分類計算的拓展性要求，圖像分類仍然面臨許多挑戰(zhàn)。本文在詞袋模型基礎(chǔ)上，利用特征融合、稀疏編碼理論和點到集合度量學(xué)習(xí)的思想，對于圖像分類問題作了深入研究，具體工作如下：1.考慮到不同特征之間信息的互補性，本文聯(lián)合利用HSV顏色特征和SIFT特征對于圖像行分類。2.提出了一種基于度量學(xué)習(xí)和特征融合的圖像分類算法：圖像表達(dá)分別是利用HSV特征得到的顏色直方圖和利用SIFT特征的稀疏編碼得到的池化向量；在此基礎(chǔ)上，分別利用上述兩種圖像表達(dá)學(xué)習(xí)點到類樣本集合的兩種
5、距離度量，和其它分類器相比最近子空間分類器耦合點到集合度量學(xué)習(xí)可以得到更好的分類結(jié)果。3.提出了一種基于Fisher向量表達(dá)的圖像分類算法：Fisher向量表達(dá)同時具有產(chǎn)生式模型和判別式模型的優(yōu)點，此外，與傳統(tǒng)的詞袋模型相比，可以建模SIFT特征分布的高階統(tǒng)計特性；替代對于SIFT特征進(jìn)行稀疏編碼與池化，所提出的算法聯(lián)合HSV顏色直方圖和SIFT特征的Fisher向量表達(dá)進(jìn)行圖像分類。4.為了驗證所提出方法的有效性，我們對于一個花圖像數(shù)據(jù)庫進(jìn)行了分類驗證。該數(shù)據(jù)庫的同類花圖像中存在著光照、尺度、視角等方面
6、的較大變化，而異類圖像之間又存在著相似性。比對實驗表明與其它算法相比，所提出的方法具有更好的分類結(jié)果。關(guān)鍵詞：圖像分類、詞袋模型、度量學(xué)習(xí)、Fisher向量、最近鄰子空間分類器I北京理工大學(xué)碩士學(xué)位論文AbstractImageclassificationisoneofthehottopicsincomputervision,andhaswideapplicationsinimageretrieval,behavioranalysis,medicalimaging,intelligentsearcheng
7、ine,etc.Recently,benefitingfromthenewalgorithmsandtheoriesinpatternrecognition,machinelearningandimagefeatureextraction,significantprogresshasbeenmadeinimageclassification.However,duetothegreatvariationsinimagesofthesameclassandthevisualappearancesimilari
8、tybetweenimagesofdifferentclasses,imageclassificationstillisfacingbigchallenges.OnthebasisofBagofWordsmodels,thisthesisdelvesintoimageclassificationusingfeaturefusion,sparsecodingandpoint-to-setdistancemetriclearnin
