基于卷积神经网络的刺绣图像检索研究
发布时间：2021-02-25 16:39
随着现代互联网技术的发展以及商业化应用的出现,网络所包含的图像资源数不胜数。传统的检索技术需要进行人工标注,这就意味着会花费大量的时间、人力与物力;且颜色、纹理、或者形状等单一特征也不能完全表达图像所包含的丰富内容,特别是对于图案复杂的刺绣图像,单单以某一种属性作为检索条件,并不能达到如期效果。青海拥有丰富的非物质文化遗产,具有鲜明民族特征、地域特性、底蕴丰富的传统民族刺绣就是其中之一。青海民族刺绣题材丰富、颜色艳丽、用途广泛、极具艺术价值,以数字图像的方式将其记录保存尤为重要。图像记录就意味着会产生大量的刺绣图像资源,这就会涉及到资源的查找等操作。因此利用这些刺绣图像资源,实现对其有针对性、高效、精准地检索,对于方便相关人员查询使用、图像资源高效管理和保护传承刺绣文化遗产、传播发扬民族文化具有重要的意义。由于卷积神经网络对图像有着很强的处理能力,不仅可以直接以图像作为输入,而且不需要人工进行额外的图像预处理和特征提取,因此本文针对卷积神经网络结合PCA降维以及距离相似性算法在刺绣图像检索里的应用进行了深入研究。针对青海民族刺绣图像的检索,本文做了以下相关工作:1、采用了VGG16卷积...
【文章来源】：青海师范大学青海省
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究意义
1.2 国内外研究现状
1.2.1 图像检索研究现状
1.2.2 卷积神经网络研究现状
1.3 文章内容与组织结构
第二章 图像检索与卷积神经网络
2.1 图像检索技术
2.1.1 基于文本的图像检索
2.1.2 基于内容的图像检索
2.2 特征提取
2.2.1 形状特征
2.2.2 颜色特征
2.2.3 纹理特征
2.2.4 空间关系特征
2.3 相似性度量技术
2.3.1 基于距离的相似性度量
2.3.2 基于学习的相似性度量
2.4 卷积神经网络
2.4.1 卷积层
2.4.2 池化层
2.4.3 激活函数
2.4.4 代价函数
2.5 本章小结
第三章 刺绣图像检索
3.1 提取特征向量
3.2 PCA特征降维
3.3 相似性检索
3.4 本章小结
第四章 实验过程与结果分析
4.1 刺绣数据集
4.2 图像预处理
4.2.1 直方图
4.2.2 直方图均衡化
4.2.3 图像缩放
4.3 图像特征提取
4.3.1 VGG16特征提取
4.3.2 Gabor特征提取
4.3.3 LBP特征提取
4.3.4 HOG与 HAAR特征提取
4.3.5 ORB特征提取
4.4 实验结果与分析
4.4.1 PCA对检索结果的影响
4.4.2 图像大小对检索结果的影响
4.4.3 相似性算法对检索结果的影响
4.5 图像检索系统
4.6 本章小结
第五章 总结与展望
5.1 全文总结
5.2 展望
参考文献
致谢
参与科研项目及取得成果
【参考文献】：
期刊论文
[1]基于局部二值模式与深度置信网络的人脸识别[J]. 满忠昂,刘纪敏,孙宗锟. 软件工程. 2020(05)
[2]点特征相似与卷积神经网络相结合的SAR图像分类算法研究[J]. 许开炜,杨学志,艾加秋,张安骏. 地理与地理信息科学. 2019(03)
[3]非物质文化遗产的数字化保护与开发——以青海刺绣艺术为例[J]. 张效娟. 青海社会科学. 2018(03)
[4]形状特征提取的研究综述[J]. 李小雨,黄昶,程爱灵. 信息通信. 2017(02)
[5]基于深度卷积网络算法的人脸识别方法研究[J]. 龙海强,谭台哲. 计算机仿真. 2017(01)
[6]快速颜色特征提取改进算法研究[J]. 李庆利,王永强,张帆,陈宝. 福建电脑. 2014(06)
[7]图像特征提取研究[J]. 翟俊海,赵文秀,王熙照. 河北大学学报(自然科学版). 2009(01)
博士论文
[1]基于深度卷积神经网络的图像分类方法研究及应用[D]. 高震宇.中国科学技术大学 2018
[2]纹理图像特征提取与分类研究[D]. 许文韬.华东师范大学 2017
硕士论文
[1]基于数据挖掘的临界暂态稳定边界特征提取方法研究[D]. 赵高尚.东北电力大学 2019
[2]基于卷积神经网络的刺绣风格数字合成[D]. 郑锐.云南大学 2019
[3]应用于手写数字识别的卷积神经网络算法与FPGA实现[D]. 周凯利.重庆邮电大学 2019
[4]基于深度学习的服装图像分类与检索[D]. 包青平.浙江大学 2017
本文编号：3051251
【文章来源】：青海师范大学青海省
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究意义
1.2 国内外研究现状
1.2.1 图像检索研究现状
1.2.2 卷积神经网络研究现状
1.3 文章内容与组织结构
第二章 图像检索与卷积神经网络
2.1 图像检索技术
2.1.1 基于文本的图像检索
2.1.2 基于内容的图像检索
2.2 特征提取
2.2.1 形状特征
2.2.2 颜色特征
2.2.3 纹理特征
2.2.4 空间关系特征
2.3 相似性度量技术
2.3.1 基于距离的相似性度量
2.3.2 基于学习的相似性度量
2.4 卷积神经网络
2.4.1 卷积层
2.4.2 池化层
2.4.3 激活函数
2.4.4 代价函数
2.5 本章小结
第三章 刺绣图像检索
3.1 提取特征向量
3.2 PCA特征降维
3.3 相似性检索
3.4 本章小结
第四章 实验过程与结果分析
4.1 刺绣数据集
4.2 图像预处理
4.2.1 直方图
4.2.2 直方图均衡化
4.2.3 图像缩放
4.3 图像特征提取
4.3.1 VGG16特征提取
4.3.2 Gabor特征提取
4.3.3 LBP特征提取
4.3.4 HOG与 HAAR特征提取
4.3.5 ORB特征提取
4.4 实验结果与分析
4.4.1 PCA对检索结果的影响
4.4.2 图像大小对检索结果的影响
4.4.3 相似性算法对检索结果的影响
4.5 图像检索系统
4.6 本章小结
第五章 总结与展望
5.1 全文总结
5.2 展望
参考文献
致谢
参与科研项目及取得成果
【参考文献】：
期刊论文
[1]基于局部二值模式与深度置信网络的人脸识别[J]. 满忠昂,刘纪敏,孙宗锟. 软件工程. 2020(05)
[2]点特征相似与卷积神经网络相结合的SAR图像分类算法研究[J]. 许开炜,杨学志,艾加秋,张安骏. 地理与地理信息科学. 2019(03)
[3]非物质文化遗产的数字化保护与开发——以青海刺绣艺术为例[J]. 张效娟. 青海社会科学. 2018(03)
[4]形状特征提取的研究综述[J]. 李小雨,黄昶,程爱灵. 信息通信. 2017(02)
[5]基于深度卷积网络算法的人脸识别方法研究[J]. 龙海强,谭台哲. 计算机仿真. 2017(01)
[6]快速颜色特征提取改进算法研究[J]. 李庆利,王永强,张帆,陈宝. 福建电脑. 2014(06)
[7]图像特征提取研究[J]. 翟俊海,赵文秀,王熙照. 河北大学学报(自然科学版). 2009(01)
博士论文
[1]基于深度卷积神经网络的图像分类方法研究及应用[D]. 高震宇.中国科学技术大学 2018
[2]纹理图像特征提取与分类研究[D]. 许文韬.华东师范大学 2017
硕士论文
[1]基于数据挖掘的临界暂态稳定边界特征提取方法研究[D]. 赵高尚.东北电力大学 2019
[2]基于卷积神经网络的刺绣风格数字合成[D]. 郑锐.云南大学 2019
[3]应用于手写数字识别的卷积神经网络算法与FPGA实现[D]. 周凯利.重庆邮电大学 2019
[4]基于深度学习的服装图像分类与检索[D]. 包青平.浙江大学 2017
本文编号：3051251
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3051251.html
