基于稀疏表示的图像目标分类方法研究

发布时间：2017-05-04 15:10

  本文关键词：基于稀疏表示的图像目标分类方法研究，由笔耕文化传播整理发布。

【摘要】：众所周知,图像有着强大的信息搭载量,而随着科技的发展,一系列依赖于图像进行工作的高科技产品应运而生,从而促进了图像处理技术的蓬勃发展。图像目标分类作为图像处理、人工智能发展至关重要的研究方向,同样在以前所未有的速度发展着。然而和生物认知相比,图像目标识别的速度和准确率仍旧处于较为落后的水平,具有较高的研究价值和进步的空间。故而,本人选择基于稀疏表示算法的图像目标分类作为自己的研究生阶段的研究方向。在本文中,本人使用Oxford Pet Dataset中的catdog数据库来进行实验,通过对M-HMP算法(Multipath Sparse Coding Using Hierarchical Matching Pursuit)[8]中的字典学习算法MI-KSVD进行修改,得到一个新的字典更新算法。该算法通过将字典学习与多尺度相结合而得到,本文将其命名为基于多尺度的奇异值分解(KSingular Value Decomposition based on Multi Scale Objects,简称MS-KSVD算法)。经大量实验证明,用MS-KSVD算法替代原始的MI-KSVD算法,可以提升目标分类的准确率。进一步,本文针对M-HMP算法的路径进行分析,提出更优的路径设计,从而达到：1)在保持准确率不降低的情况下,可以减少路径的数量,从而减少算法的计算时间,降低对计算机存储空间的需求；2)在保持路径数量不变的情况下,可以提高目标分类的准确率,使得分类更加精确。为了更好地提升图像目标分类的准确率,本文还考虑到了特征的权重问题。通过更改不同路径得到的特征的权重,来提升最终的目标分类准确率。总结,本文通过改进字典学习算法,更改稀疏表示特征的路径,设定不同路径的特征权重,从而不断提升基于catdog数据库的图像目标分类的准确率,使得最终的分类准确率为53.56%,比原始52.11%的准确率提升了1.45%,这在catdog数据库上是个较为难得的突破。
【关键词】：稀疏表示 图像目标分类 catdog数据库 MS-KSVD MI-KSVD M-HMP
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-12
• 第1章 引言12-21
• 1.1 课题背景及研究意义12
• 1.2 国内外研究现状12-18
• 1.2.1 现有分类算法比较13-17
• 1.2.2 目标分类的准确率排名17-18
• 1.2.3 本文方法选取18
• 1.3 图像目标分类的应用18-19
• 1.4 论文的主要工作及章节安排19-21
• 第2章 基于稀疏表示和SVM的目标分类21-45
• 2.1 基于稀疏表示的特征描述21-36
• 2.1.1 范数规则化22-24
• 2.1.2 稀疏编码部分24-28
• 2.1.3 字典学习部分28-36
• 2.2 基于SVM的特征分类36-45
• 2.2.1 Logistic回归36-37
• 2.2.2 线性可分的超平面选取37-39
• 2.2.3 线性不可分的超平面选取39-45
• 第3章 基于稀疏表示的算法改进45-57
• 3.1 M-HMP算法原理及算法改进45-49
• 3.1.1 M-HMP算法原理45-48
• 3.1.2 改进字典学习算法48-49
• 3.2 算法有效性验证49-57
• 3.2.1 修改参数的有效性否定49-53
• 3.2.2 单条路径的有效性验证53-55
• 3.2.3 总体准确率的有效性验证55-57
• 第4章 图像目标分类的实现57-62
• 4.1 路径选择和参数设计57-59
• 4.2 路径权重设计59-62
• 第5章 总结及展望62-64
• 5.1 论文工作总结62
• 5.2 后续工作62-64
• 参考文献64-67
• 作者简历及攻读硕士学位期间取得的研究成果67-69
• 学位论文数据集69

【相似文献】

中国期刊全文数据库 前10条

1 D.Giuli;M.Gherardelli;M.Fossi;王德纯;;用极化判别进行目标分类和识别[J];现代雷达;1987年02期

2 A. Farina;A. Visconti;陈振邦;;利用多重假设测试法对雷达目标分类[J];国外舰船技术.雷达与对抗;1988年Z1期

3 J.S.陈;E.K.沃尔顿;陈振邦;;两种目标分类技术的比较[J];国外舰船技术.雷达与对抗;1987年04期

4 杜思伟;林家骏;苏永明;;基于条件证据更新的机动目标分类[J];华东理工大学学报(自然科学版);2012年04期

5 郭雷,肖怀铁,付强;基于支持矢量机特征空间距离的多目标分类方法[J];计算机仿真;2005年09期

6 张汉华,王伟,姜卫东,陈曾平,庄钊文;基于时间谱信息的低分辨雷达飞机目标分类[J];系统工程与电子技术;2004年04期

7 王强光;伍铁军;;智能监控系统中的运动目标分类方法研究[J];工业控制计算机;2011年01期

8 林幼权;;球载雷达目标分类与识别技术研究[J];现代雷达;2011年07期

9 寇英信;王琳;全勇;;自组织特征映射网络在目标分类识别中的应用[J];火力与指挥控制;2009年01期

10 刘佶鑫;孙权森;曹国;;压缩感知稀疏识别用于多视角图像目标分类[J];应用科学学报;2013年02期

中国重要会议论文全文数据库 前7条

1 朱靖;王晓博;王国宏;;一种基于高度信息的目标分类方法[A];全国第二届信号处理与应用学术会议专刊[C];2008年

2 周维;庄连生;俞能海;;小规模和非平衡数据下的目标分类[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 卢家楣;刘伟;贺雯;;课堂教学的情感目标分类与测评[A];第十一届全国心理学学术会议论文摘要集[C];2007年

4 计科峰;高贵;贾承丽;匡纲要;粟毅;;一种利用方位角信息基于峰值匹配的SAR图像目标分类方法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

5 任皓;计科峰;张爱兵;周石琳;;一种利用方位角信息的SAR目标分类方法[A];第七届全国信息获取与处理学术会议论文集[C];2009年

6 王晓静;原达;李道凯;;应用Krawtchouk矩和SVM的运动目标分类技术[A];第五届全国几何设计与计算学术会议论文集[C];2011年

7 丘昌镇;任皓;邹焕新;周石琳;;基于PCA和2D-PCA特征的SAR图像目标分类性能比较[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国博士学位论文全文数据库 前2条

1 梁鹏;基于内容的目标分类识别关键技术研究[D];华南理工大学;2011年

2 王世f^;面向SAR图像目标分类的关键技术研究[D];国防科学技术大学;2008年

中国硕士学位论文全文数据库 前10条

1 万潇婷;与位置无关的室内多静止目标分类方法研究[D];南昌大学;2015年

2 张恒;WSN监测系统中目标分类与多目标定位的研究[D];国防科学技术大学;2013年

3 李玮璐;基于JEM效应的飞机目标分类方法研究[D];西安电子科技大学;2014年

4 赵紫蕙;微多普勒效应在飞机目标分类中的应用研究[D];西安电子科技大学;2014年

5 田星华;窄带雷达车辆目标分类方法及实现[D];西安电子科技大学;2014年

6 蔡利;智能视频监控中运动目标的分类识别研究[D];南京邮电大学;2015年

7 顾婷婷;智能视频监控平台中运动目标分类的研究与实现[D];南京邮电大学;2015年

8 郭倩;基于视觉词包模型的大规模目标分类和检索[D];河南大学;2015年

9 都期望;基于MPEG-7标准的海上移动目标分类方法研究[D];大连海事大学;2016年

10 胡碧莹;基于稀疏表示的图像目标分类方法研究[D];北京交通大学;2016年

  本文关键词：基于稀疏表示的图像目标分类方法研究，由笔耕文化传播整理发布。

，

本文编号：345304