少数民族服饰图像处理关键技术研究及应用

发布时间：2020-11-12 19:03

　　 少数民族传统文化在中华民族文化发展的历史进程中扮演着非常重要的角色。然而随着社会现代化进程的加快,少数民族传统文化正在逐渐消失,这使得越来越多的学者开始重视传统少数民族文化的保护。少数民族服饰作为少数民族文化中的重要组成部分,对其进行数字化处理及应用,无疑是实现少数民族服饰文化保护与传承的有效途径之一。本文主要对少数民族服饰图像处理关键技术进行了研究,旨在探索少数民族服饰数字化应用的有效途径,为相关领域的研究提供技术支持。本文的主要研究内容包括以下三个方面:(1)少数民族服饰花纹图案检测方法研究。提出一种基于改进的HOG+SVM少数民族服饰花纹图案检测算法,首先通过图像分割和灰度化处理构建少数民族服饰花纹图案正负图像集,对传统的HOG特征提取算法进行优化,并提取少数民族服饰花纹图案图像特征,并将其作为SVM分类模型的输入来训练生成检测器,最终实现少数民族服饰花纹图案的检测。(2)少数民族服饰图像匹配方法研究。提出一种基于K-Means+CPD的少数民族服饰图像匹配算法,以检测得到的花纹图案作为匹配图像,首先采用K-Means算法对图像特征点集进行聚类提高匹配精度,然后通过CPD算法对少数民族服饰数据集中的待匹配图像进行匹配,最后通过多组对比实例和分析验证了所提方法在少数民族服饰图像匹配中的有效性。(3)少数民族服饰图像识别方法研究。首先构建了包含佤族和彝族的7000余幅训练和测试图像集,然后基于TensorFlow深度学习框架将深度卷积网络VGG模型迁移到少数民族服饰识别任务中,并通过与其它深度神经网络结构进行对比分析,反复迭代对比各个神经网络模型的损失和识别准确率,并对网络模型的参数进行优化从而实现少数民族服饰图像的分类识别。
【学位单位】：云南师范大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：TP183;TS941.742.8;TP391.41
【部分图文】：

最大池化下采样

第2章相关理论及技术13所以我们会在卷积层后面引入激活函数。对于多层的神经网络结构我们需要使用激活函数，使每一层神经网络结构都有所不同并能够进行非线性表达。所以我们需要引入非线性的函数作为激活函数，南京邮电大学的曲之琳[54]等人在基于改进激活函数的卷积神经网络研究中提到经典的激活函数有Sigmoid激活函数、Tanh激活函数和Relu函数等。目前使用范围较为广泛的非线性激活函数是Sigmoid激活函数，其函数的图像是一个S型。它输入一个实数值并将实数的值压缩到0到1的范围之内，对函数中间的区域增长幅度较大，而函数两边的区域增长幅度较校Sigmoid激活函数输出的值是有界的可以为神经网络带来非线性，但是Sigmoid激活函数饱和时梯度值非常小，所以当网络层数较深时容易出现梯度消失。如图2.2所示，Sigmoid激活函数的形式是一种指数函数形式，其数学表达式如公式2.6所示：xexf11)((2.6)图2.2Sigmoid激活函数Tanh激活函数在神经网络模型的构建中也经常使用，它也是S型非线性激活函数，同Sigmoid函数相比较Tanh函数解决了Sigmoid的输出是不是零中心的问题，可以延迟饱和期性能和容错能力相对较好，但仍然存在饱和问题。Tanh函数输入一个实数值并将实数的值压缩到-1到1的范围之内，对函数中间的区域增长幅度较大，而函数两边的区域增长幅度较校Tanh激活函数输出的值是

第2章相关理论及技术14有界的也可以为神经网络带来非线性，这个特性使得其收敛速度比Sigmoid函数更快。但它也存在梯度弥散的问题，随着Sigmoid、Tanh函数在神经网络模型中的广泛使用为了防止饱和，需要尽量的保证每一层网络的输入能够具有较小的均值和零中心分布，可以在激活函数前多做一步batchnormalization。也可以通过在神经元输入时抑制部分神经元，从而提高学习的精度。经过具体实际的使用也表明不管是Sigmoid还是Tanh都存在极大的局限性。Tanh函数形式如图2.3所示，其数学表达式如公式2.7所示：xxeexf2211)((2.7)图2.3Tanh激活函数ReLu激活函数同Tanh激活函数和Sigmoid激活函数一样，都是属于非线性的激活函数，但是ReLu激活函数的收敛速度更快。ReLu激活函数的倒数在正数的部分恒等于1，负数的部分为0。在ReLu激活函数中没有指数的运算，所以计算的速度更快，可以加快网络的训练。由于ReLu函数的倒数在正数的部分都为1，所以在网络中使用不会导致梯度消失等问题可以使网络模型的收敛速度更加地稳定。但在网络反向传播的过程中如果梯度过大会导致更多的负数，而负数的倒数都为0，所以会引起反向传播的部分神经元无法激活和权重无法更新等问题，使神经元进入失活状态。在具体的使用中我们可以通过设置学习率的大小来解决这一问题。ReLU激活函数形式如图2.4所示，其数学表达式为：xxMaxf),0()((2.8)
【参考文献】

相关期刊论文 前10条

1 宋俊华;王明月;;我国非物质文化遗产数字化保护的现状与问题分析[J];文化遗产;2015年06期

2 周海珍;熊登峰;;关于直方图均衡化算法在图像灰度处理中的应用研究[J];科技创新与应用;2015年32期

3 王振;高茂庭;;基于卷积神经网络的图像识别算法设计与实现[J];现代计算机(专业版);2015年20期

4 陈金广;曹春梅;任冰青;马丽丽;;特征提取与匹配算法在民族服饰图案上的应用研究[J];丝绸;2015年05期

5 王千;王成;冯振元;叶金凤;;K-means聚类算法研究综述[J];电子设计工程;2012年07期

6 何俊;葛红;王玉峰;;图像分割算法研究综述[J];计算机工程与科学;2009年12期

7 王爱平;张功营;刘方;;EM算法研究与应用[J];计算机技术与发展;2009年09期

8 雷小锋;谢昆青;林帆;夏征义;;一种基于K-Means局部最优性的高效聚类算法[J];软件学报;2008年07期

9 梁小利;孙洪淋;;基于线性插值算法的图像缩放及实现[J];长沙通信职业技术学院学报;2008年02期

10 岳佳;王士同;;高斯混合模型聚类中EM算法及初始化的研究[J];微计算机信息;2006年33期

相关硕士学位论文 前10条

1 李承珊;基于深度卷积神经网络的图像语义分割研究[D];中国科学院大学(中国科学院光电技术研究所);2019年

2 王璞;彩色图像灰度化算法改进研究[D];西北大学;2019年

3 李勇康;基于卷积神经网络的人脸识别研究与实现[D];华中师范大学;2019年

4 刘新伟;基于深度学习的标签传播的图像分类研究[D];温州大学;2019年

5 谭欣;传统民族服饰数字化采集标准研究[D];北京邮电大学;2019年

6 田娟娟;视频中行人检测与跟踪方法研究[D];西安理工大学;2018年

7 王媛媛;基于卷积神经网络的图像深度估计研究[D];西安理工大学;2018年

8 高运星;基于卷积神经网络的医学图像超分辨率重构算法研究[D];济南大学;2018年

9 高飞;少数民族服饰图案数字化学习平台构建研究[D];云南师范大学;2018年

10 赵海燕;基于卷积神经网络的民族服饰图像教育资源检索研究[D];云南师范大学;2018年

本文编号：2881116