果蔬图像的混合粒度分类研究

发布时间：2017-05-25 18:23

  本文关键词：果蔬图像的混合粒度分类研究，由笔耕文化传播整理发布。

【摘要】：近几年,随着机器视觉、大数据、互联网以及人机交互技术的发展,智能家居领域开始受到广泛关注,其中以智能冰箱的发展最为显著。智能冰箱期望实现食材的保鲜周期、种类、数量识别以及个性化食谱推荐等智能化食材管理功能。针对这一实际问题,机器视觉研究中的目标检测、目标分类、目标识别与计数等方法提供了相应的技术路线。然而,与一般的机器视觉任务不同,这一特定领域的研究需要专门的图像数据库。因此,本文构建一个新的、层次化结构的果蔬原材料图像数据库,命名为VegFru数据库。该数据库的类别结构符合人们日常的饮食和烹饪习惯,基本囊括了所有常见的果蔬类别。目前,VegFru数据库包含15大类,200小类蔬菜,10大类,92小类水果。每类包含200张以上自然图片,整个数据库包含91,117张蔬菜图片,69,817张水果图片,总共160,000张以上图片。针对提出的VegFru数据库,首先进行基本的混合粒度图像分类研究。为了与其他标准数据库对比,本文分别使用传统特征模型和卷积神经网络模型进行分类研究。传统分类模型使用BOW和SPM相结合的特征提取框架,首先提取多尺度SIFT和CM作为底层特征,分别进行LSA编码和FV编码,然后在空间金字塔子区域内进行最大池化得到图像的直方图表示,最后使用线性分类器分别对蔬菜和水果进行分类；卷积神经网络模型则分别给出VegFru数据库在AlexNet、 CaffeNet以及GoogLeNet三个网络模型中的分类结果。在基本分类模型的基础上,本文提出一个基于自上而下注意图分割的混合粒度图像分类模型。首先,在卷积神经网络模型中引入注意信息,检测和分割出图像的目标区域；然后利用分割图像学习新的网络模型得到分割网络,迫使网络关注图像的判别性目标区域,从而得到较优的初始化权值；使用原始图像对分割网络进行微调,最后得到的分部训练网络不仅能够充分挖掘图像的目标区域信息,还能补充分割网络遗漏的互补信息,进一步提高分类性能。综上所述,本文在智能家居的应用背景下,构建了一个特定领域的果蔬原材料混合粒度图像数据库,给出该数据库在传统特征分类模型与卷积神经网络模型中的基本分类结果,并提出一个新的利用自上而下注意图分割的分类模型,进一步提高分类正确率。为基于VegFru数据库的机器视觉技术以及智能冰箱研究提供数据来源和技术路线,促进智能家居、机器视觉与智能家居应用相结合的研究和发展。
【关键词】：智能家居 混合粒度图像分类 卷积神经网络 自上而下注意图 目标分割
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-22
• 1.1 课题背景10-11
• 1.2 课题研究的目的和意义11-12
• 1.3 国内外研究现状12-20
• 1.3.1 粗粒度图像分类的研究现状12-14
• 1.3.2 细粒度图像分类的研究现状14-17
• 1.3.3 混合粒度图像分类的研究现状17-20
• 1.4 本课题的目标和主要工作20-21
• 1.5 章节安排21-22
• 第二章 图像分类方法概述22-38
• 2.1 传统方法概述22-24
• 2.2 编码策略24-31
• 2.2.1 早期编码方法24-28
• 2.2.2 LSA编码28
• 2.2.3 FV编码28-31
• 2.3 池化策略31-32
• 2.4 卷积神经网络模型32-37
• 2.4.1 基于AlexNet的卷积神经网络模型35-36
• 2.4.2 基于GoogLeNet的卷积神经网络模型36-37
• 2.5 本章小结37-38
• 第三章 VegFru图像数据库38-56
• 3.1 VegFru数据库概述38
• 3.2 数据库结构38-40
• 3.2.1 VegFru层次类别39
• 3.2.2 VegFru分类法39-40
• 3.3 构造数据库40-43
• 3.3.1 构造原则41-42
• 3.3.2 图像搜集42-43
• 3.3.3 图像整理43
• 3.3.4 图像划分43
• 3.4 VeFru与ImageNet43-46
• 3.4.1 数据库的结构44
• 3.4.2 数据库的分类法44-45
• 3.4.3 图片的选择45-46
• 3.5 数据库应用前景和难点46-48
• 3.6 数据库的基本实验48-54
• 3.6.1 基于传统特征模型的基本实验49-50
• 3.6.2 基于卷积神经网络模型的基本实验50-54
• 3.7 本章小结54-56
• 第四章 基于自上而下注意图分割的混合粒度图像分类56-64
• 4.1 模型概述56-57
• 4.2 自上而下注意图的生成57-59
• 4.3 基于注意图的分割模型59-62
• 4.4 混合粒度图像分类模型62-63
• 4.5 本章小结63-64
• 第五章 总结与展望64-66
• 5.1 总结64-65
• 5.2 展望65-66
• 参考文献66-72
• 致谢72-74
• 在读期间发表的学术论文与取得的科研成果74

【相似文献】

中国期刊全文数据库 前10条

1 刘玉红;谢正祥;;图像挖掘技术及医学应用[J];中国医学物理学杂志;2010年01期

2 曹家玮;;用图像说话[J];艺术与设计(理论);2009年08期

3 付普;;让你的字体和图像燃烧起来[J];Internet信息世界;1999年03期

4 刘筱霞;转换图像模式以适于输出[J];印刷世界;2003年06期

5 朱薇;刘利刚;;保色调的黑白卡通图像着色方法[J];计算机辅助设计与图形学学报;2011年03期

6 许向阳;张旭亮;李博;;基于颜色属性相关性的图像色差公式的研究[J];包装工程;2013年13期

7 潘建初;图像漫谈[J];电脑爱好者;1998年14期

8 王伟,吴玲达,老松杨,王辰;基于示例学习的图像人脸检测技术[J];计算机应用研究;2002年03期

9 高彦宇;王新平;尹怡欣;;自然风景图像情感标识方法研究[J];小型微型计算机系统;2011年04期

10 刘毅，刘维献;多媒体图像数据的获取与显示[J];山东电子;1998年04期

中国重要会议论文全文数据库 前3条

1 吴楠;李晓曦;宋方敏;;图像挖掘及其在医学图像分类中的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年

2 潘海为;谢晓芹;张炜;李建中;;基于ROI的医学图像聚类算法[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

3 孙华;;Photoshop软件在眼科领域的应用[A];中华医学会第十二届全国眼科学术大会论文汇编[C];2007年

中国重要报纸全文数据库 前8条

1 重庆 杨清德;宽屏幕电视机图像模式的选择[N];电子报;2007年

2 计算机世界实验室 吴挺;高速中进取[N];计算机世界;2008年

3 山东潍坊学院 年仁德;上好Photoshop的第一节课图片欣赏课[N];中国电脑教育报;2004年

4 刘全恩;高清投影机量产 家用市场占两成[N];中国电子报;2007年

5 eN书虫;用Photoshop制作燃烧字[N];江苏经济报;2000年

6 王林;东芝XV500系列高清首选[N];电子资讯时报;2008年

7 赵军红　编译;手机显微镜将在非洲试用[N];科技日报;2010年

8 ;轻松制作电子词典的开机画面[N];中国计算机报;2004年

中国博士学位论文全文数据库 前10条

1 黄明明;图像局部特征提取及应用研究[D];北京科技大学;2016年

2 段曼妮;图像挖掘在图像检索中的应用[D];中国科学技术大学;2009年

3 袁承志;风格与象征——魏晋南北朝莲花图像研究[D];清华大学;2004年

4 秦昆;基于形式概念分析的图像数据挖掘研究[D];武汉大学;2004年

5 蔡涛;面向目标识别的图像特征融合提取技术研究[D];中国人民解放军国防科学技术大学;2000年

6 韩跃平;复杂产品内部结构装配正确性X射线自动检测技术研究[D];中北大学;2009年

7 曹建芳;场景图像情感语义分析关键技术研究[D];太原理工大学;2015年

8 徐望明;面向图像检索和分类任务的稀疏特征学习[D];武汉科技大学;2013年

9 周海英;基于视觉认知的图像搜索与识别关键技术研究[D];北京科技大学;2015年

10 韩子仲;视象与图像[D];中国美术学院;2008年

中国硕士学位论文全文数据库 前10条

1 吴春燕;树木叶片滞尘量与反射光谱及图像特征的关系研究[D];中国林业科学研究院;2015年

2 李娜;基于SAR图像的海洋油膜分类研究[D];中国石油大学(华东);2014年

3 冀鑫;基于矢量量化与LBP的图像检索算法研究[D];太原理工大学;2016年

4 陈之凡;西方图像的中国形象异化和视觉文化批判[D];武汉纺织大学;2016年

5 冯语姗;果蔬图像的混合粒度分类研究[D];中国科学技术大学;2016年

6 邱炳瑜;基于内容的图像收集和地区代表性图像选出系统的研究与实现[D];北京邮电大学;2009年

7 史英杰;医学图像辅助诊断系统中图像分割技术的研究[D];华中科技大学;2007年

8 余昌瑾;图像挖掘技术研究与应用[D];武汉理工大学;2010年

9 陈思坤;医学图像的自动标注[D];电子科技大学;2011年

10 白玉超;公共图像对中小学美术教育的影响[D];广西师范大学;2014年

  本文关键词：果蔬图像的混合粒度分类研究，，由笔耕文化传播整理发布。

本文编号：394639