贺兰山岩画的图像语义识别研究

发布时间：2021-04-18 17:55

　　本文所研究内容为贺兰山岩画的图像语义识别。对图像语义识别的研究已经成为模式识别与图像处理、人工智能、计算机视觉领域的热点问题,在图像分析领域占据了越来越重要的位置。图像语义识别即将图像中所包含的内容信息用语言表达出来,输入一幅图像,输出则是该图像所对应的语义信息,使计算机类似人类大脑一样具有将视觉所看到的事物进行描述的功能。通过对近年来学者对图像语义识别的研究的学习,本文所做的工作主要分为以下几点:（1）制作贺兰山岩画的图像数据集。贺兰山岩画景区位于宁夏回族自治区银川市贺兰县岩画路,通过进行实地考察,使用摄影设备采集岩画图片,经过后期的处理,制作出一个满足实验需要的贺兰山岩画的图像数据集。（2）针对传统图像特征提取方法提取效率低、准确率低的特点,本文选择使用卷积神经网络算法对图像进行低层特征提取,并对卷积神经网络的结构及优缺点进行了研究。（3）针对基于直接支持向量机的卷积神经网络图像识别算法计算复杂度高的特点,本文提出一种基于核函数二叉树支持向量机的卷积神经网络,将基于高斯核函数的二叉树结构支持向量机与卷积神经网络结合,生成新的模型,减小了计算复杂度,提高了识别精度。（4）针对经典卷积... 

【文章来源】：宁夏大学宁夏回族自治区 211工程院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图２－１图像检索框架图??

为保证图像的清晰，在采集贺兰山岩画的图像过程中，应注意相机的准确对焦及拍摄的??角度。当有其他物体遮挡，造成阴影时，应尽量使拍摄的图像无阴影遮挡，或使图像完全在阴影??中。拍摄远景图像时，尽量保证镜头与拍摄画面平行，使图像不发生变形、扭曲。如图２－２所示??为采集的图像。??議??（ａ）?（ｂ）??－９－??

（ｃ）?Ｃｄ）??图２－２采集的图像??（２）图片数量??根据贺兰山岩画景区的实际情况，所拍摄到的岩画的种类有５类，包括人面像、猴头像、脸??谱人面像、羊像和太阳神像。由于岩画饱经沧桑，风化严重，幸存的岩画有些也已经漫漶不清，??所以拍摄的图像数量较少，有些也己模糊的看不出具体内容。经筛选后，选取３类较多的图像制??作数据集，可以使用的图片数量为１５０张，后期经过图像的左右移动、截取、及反转来增加样本??的数量，按照８：２的比例来设置训练集、测试集的数量。??２．２．２增加贺兰山岩画的图像数量??本文将使用深度网络模型来训练数据集，当图片数量较少时，模型训练数据不够，无法对整??个数据的分布进行估计，会造成过拟合的现象的产生。本文所拍摄的图片数量有限，不能够达到??深度学习中要求大量数据的要求

【参考文献】：
期刊论文
[1]基于循环卷积神经网络的目标检测与分类[J]. 艾玲梅,叶雪娜.  计算机技术与发展. 2018(02)
[2]一种改进的基于支持向量机的多类分类方法[J]. 赵亮.  计算机应用与软件. 2014(12)
[3]改进的二叉树支持向量机在多分类中的应用[J]. 李燕玲,苏一丹.  计算机技术与发展. 2014(07)
[4]多媒体数据语义鸿沟问题分析[J]. 谢毓湘,栾悉道,吴玲达.  武汉理工大学学报(信息与管理工程版). 2011(06)
[5]基于抽象隐马尔可夫模型的运动行为识别方法[J]. 钱堃,马旭东,戴先中.  模式识别与人工智能. 2009(03)
[6]一种基于多尺度语义分析的图像识别方法[J]. 陈立伟,李春燕.  计算机应用研究. 2009(02)
[7]图像检索中语义映射方法综述[J]. 李志欣,施智平,李志清,史忠植.  计算机辅助设计与图形学学报. 2008(08)

硕士论文
[1]基于改进支持向量机的卷积神经网络图像识别方法研究[D]. 刘杰.河南大学 2018
[2]农田场景下的图像语义分割方法研究[D]. 巩祎明.西北农林科技大学 2018
[3]基于深度学习的无监督型图像语义分析[D]. 黄迪.杭州电子科技大学 2018
[4]基于改进卷积神经网络的图像分类研究[D]. 曹惠珍.广西师范大学 2017
[5]面向网络舆情的文本分类系统研究与实现[D]. 张红军.电子科技大学 2017
[6]基于颜色和形状特征的图像检索技术及其应用[D]. 潘永胜.太原理工大学 2014
[7]基于线条和结构模块识别的图像语义识别方法[D]. 李冰季.华中师范大学 2014
[8]海量图像的描述与合成方法研究[D]. 王敏.北京交通大学 2013
[9]基于语义的图像分类方法研究[D]. 卢寅.华南理工大学 2011



本文编号：3145917