检索结果-南通市图书馆

CF患者肺组织分类——基于相关反馈的监督核哈希方法

在线全文

学校读者我要写书评

暂无评论

河南师范大学学报（自然科学版） 2019年第4期47卷 24-30页

作者：申华磊邱鹏河南师范大学计算机与信息工程学院

现有的哈希方法用于CF患者肺组织分类时没有从正负反馈样本挖掘判别信息,分类精度不高.为此,提出一种基于相关反馈的监督核哈希方法.首先,对肺组织进行监督核哈希学习,得到初始哈希函数;其次,使用该初始哈希函数对肺组织进行哈希编码和... 详细信息

现有的哈希方法用于CF患者肺组织分类时没有从正负反馈样本挖掘判别信息,分类精度不高.为此,提出一种基于相关反馈的监督核哈希方法.首先,对肺组织进行监督核哈希学习,得到初始哈希函数;其次,使用该初始哈希函数对肺组织进行哈希编码和分类,并得到正负反馈样本;接着,基于正负反馈样本构建新的哈希函数;最后,使用新构建的哈希函数对肺组织再次进行哈希编码和分类.实验结果表明,同现有方法相比,所提出的方法显著提高了CF患者肺组织的分类精度.

关键词：相关反馈监督核哈希肺组织分类 CT影像

在线全文

学校读者我要写书评

暂无评论

基于特征融合与监督核哈希的遥感图像检索

基于特征融合与监督核哈希的遥感图像检索

作者：杨紫红南昌航空大学

学位级别：硕士

随着对地观测技术的蓬勃发展,遥感图像规模日益庞大。如何精确高效地从大量遥感图像中检索出需要的图像,已经成为遥感领域研究的基本问题之一。卷积神经网络(Convolutional Neural Network,CNN)能够较好地表达遥感图像的语义信息,因此基... 详细信息

随着对地观测技术的蓬勃发展,遥感图像规模日益庞大。如何精确高效地从大量遥感图像中检索出需要的图像,已经成为遥感领域研究的基本问题之一。卷积神经网络(Convolutional Neural Network,CNN)能够较好地表达遥感图像的语义信息,因此基于CNN的检索方法受到越来越多的关注。但是遥感图像内容复杂,细节信息丰富,单一 CNN特征不能全面表达遥感图像的内容,且CNN特征容易存在信息冗余。本文针对上述问题,围绕特征融合和哈希学习展开研究,主要工作如下:(1)为保证遥感图像检索的精准性和高效性,提出了基于高层特征融合与监督核哈希的方法。首先,通过迁移学习将原始尺寸图像输入到多个预训练CNN提取高层特征。然后,对提取的高层特征进行全局最大池化,以保留图像的显著信息。接着,通过特征串联和相加的方式融合多个CNN的高层特征,以提升特征表达力。最后,为了减少融合特征的冗余信息,采用监督核哈希将高维融合特征映射为低维哈希码,从而有效提升图像检索精度和检索效率。(2)为进一步提高遥感图像的特征表达能力,提出了一种基于多层特征融合与哈希相似度结合方法。首先,在不同输入尺寸下提取不同CNN的高层特征和中层特征,以更好地表达图像不同尺度的信息。然后,通过特征变换来统一不同特征的维度,并通过逐元素相加得到相应的中层融合特征与高层融合特征,再对不同融合特征采用不同的池化方法,以在降低特征维度的同时保留显著的细节信息。最后,将两组池化后的特征分别映射为两组哈希码,根据检索结果自适应地给两组哈希相似度分配权重,并将其结合在一起,从而优化检索的排序结果,以取得更好的检索性能。(3)为验证上述两种方法的有效性,在两个常用的遥感数据集UC Merced和WHU-RS19进行实验对比。实验结果表明融合不同CNN特征能综合不同网络的优点,且融合不同层次特征有利于表达图像不同尺度的信息,有效提升特征表达能力。监督核哈希能有效降低融合特征冗余且哈希相似度结合的方法有利于突出不同特征优势,进一步提升检索性能。综上所述,不同CNN的融合特征能更好的表达复杂多样的遥感图像,监督核哈希能降低融合特征的冗余信息,进一步提升融合特征的性能。哈希相似度结合的方法能够进一步优化检索结果,因此该研究具有重要的理论意义和实用价值。

关键词：遥感图像检索特征融合监督核哈希相似度结合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于监督核哈希生成视觉词袋模型的图像分类

测控技术 2018年第3期37卷 6-9页

作者：刘相利郭海儒曲宏山黄强强河南理工大学计算机科学与技术学院河南焦作454000 河南工程学院计算机学院河南郑州451191

为了解决大规模数据集下传统视觉词袋模型生成时间长、内存消耗大且分类精度低等问题,提出了基于监督核哈希(Supervised Hashing with Kernels,KSH)的视觉词袋模型。首先,提取图像的SIFT特征点,构造特征点样本集。然后,学习KSH函数,将... 详细信息

为了解决大规模数据集下传统视觉词袋模型生成时间长、内存消耗大且分类精度低等问题,提出了基于监督核哈希(Supervised Hashing with Kernels,KSH)的视觉词袋模型。首先,提取图像的SIFT特征点,构造特征点样本集。然后,学习KSH函数,将距离相近的特征点映射成相同的哈希码,每一个哈希码代表聚类中心,构成视觉词典。最后,利用生成的视觉词典,将图像表示为直方图向量,并应用于图像分类。在标准数据集上的实验结果表明,该模型生成的视觉词典具有较好的区分度,有效地提高了图像分类的精度和效率。

关键词：监督核哈希视觉词袋视觉词典图像分类

在线全文

学校读者我要写书评

暂无评论

面向遥感图像检索的级联池化自注意力研究

光电工程 2022年第12期49卷 53-65页

作者：吴刚葛芸储珺叶发茂南昌航空大学软件学院江西南昌330063 南昌航空大学江西省图像处理与模式识别重点实验室江西南昌330063 东华理工大学测绘工程学院江西南昌330013

高分辨率遥感图像检索中,由于图像内容复杂,细节信息丰富,以致通过卷积神经网络提取的特征难以有效表达图像的显著信息。针对该问题,提出一种基于级联池化的自注意力模块,用来提高卷积神经网络的特征表达。首先,设计了级联池化自注意力... 详细信息

高分辨率遥感图像检索中,由于图像内容复杂,细节信息丰富,以致通过卷积神经网络提取的特征难以有效表达图像的显著信息。针对该问题,提出一种基于级联池化的自注意力模块,用来提高卷积神经网络的特征表达。首先,设计了级联池化自注意力模块,自注意力在建立语义依赖关系的基础上,可以学习图像关键的显著特征,级联池化是在小区域最大池化的基础上再进行均值池化,将其用于自注意力模块,能够在关注图像显著信息的同时保留图像重要的细节信息,进而增强特征的判别能力。然后,将级联池化自注意力模块嵌入到卷积神经网络中,进行特征的优化和提取。最后,为了进一步提高检索效率,采用监督核哈希对提取的特征进行降维,并将得到的低维哈希码用于遥感图像检索。在UC Merced、AID和NWPU-RESISC45数据集上的实验结果表明,本文方法能够有效提高检索性能。

关键词：遥感图像检索级联池化自注意力模块监督核哈希卷积神经网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

密集网络图像哈希检索

中国图象图形学报 2020年第5期25卷 900-912页

作者：王亚鸽康晓东郭军李博张华丽刘汉卿天津医科大学医学影像学院天津300203

目的为提取可充分表达图像语义信息的图像特征,减少哈希检索中的投影误差,并生成更紧致的二值哈希码,提出一种基于密集网络和改进的监督核哈希方法.方法用训练优化好的密集网络提取图像的高层语义特征;先对提取到的图像特征进行核主... 详细信息

目的为提取可充分表达图像语义信息的图像特征,减少哈希检索中的投影误差,并生成更紧致的二值哈希码,提出一种基于密集网络和改进的监督核哈希方法.方法用训练优化好的密集网络提取图像的高层语义特征;先对提取到的图像特征进行核主成分分析投影,充分挖掘图像特征中隐含的非线性信息,以减少投影误差,再利用监督核哈希方法对图像特征进行监督学习,将特征映射到汉明空间,生成更紧致的二值哈希码.结果为验证提出方法的有效性、可拓展性以及高效性,在Paris6K和LUNA16(lung nodule analysis 16)数据集上与其他6种常用哈希方法相比,所提方法在不同哈希码长下的平均检索精度均较高,且在哈希码长为64 bit时,平均检索精度达到最高,分别为89.2%和92.9%;与基于卷积神经网络的哈希算法(convolution neural network Hashing,CNNH)方法相比,所提方法的时间复杂度有所降低.结论提出一种基于密集网络和改进的监督核哈希方法,提高了图像特征的表达能力和投影精度,具有较好的检索性能和较低的时间复杂度;且所提方法的可拓展性也较好,不仅能够有效应用到彩色图像检索领域,也可以应用在医学灰度图像检索领域.

关键词：密集卷积网络(DenseNet) 监督核哈希图像特征投影误差核主成分分析

在线全文

学校读者我要写书评

暂无评论

基于深度学习和哈希技术的图像检索研究

基于深度学习和哈希技术的图像检索研究

作者：柯圣财解放军信息工程大学

学位级别：硕士

随着大数据时代的到来,互联网中的图像数据每天以惊人速度迅猛增长,如何快速、准确地检索出用户需要的图像成为智能信息处理的重要研究内容。当前主流的图像检索方法存在图像特征表达能力不强和高维向量运算耗时长等问题,可以利用深度... 详细信息

随着大数据时代的到来,互联网中的图像数据每天以惊人速度迅猛增长,如何快速、准确地检索出用户需要的图像成为智能信息处理的重要研究内容。当前主流的图像检索方法存在图像特征表达能力不强和高维向量运算耗时长等问题,可以利用深度学习和哈希技术来解决或改善。深度学习可以充分挖掘图像的内在隐含信息,提高特征的语义表达能力;哈希技术在保持空间一致性的同时将高维图像特征映射为低维二进制哈希码,能有效提高特征检索效率。论文主要研究基于深度学习和哈希技术的图像检索,主要研究成果如以下三个方面:(1)研究了图像快速聚类,针对当前主流视觉特征缺乏自主学习能力,导致其图像表达能力不强,以及传统聚类算法计算复杂度较高、聚类效率低等问题,提出了一种基于卷积神经网络和二进制K-means的图像快速聚类方法。首先,利用卷积神经网络学习图像内容的内在隐含关系,得到图像高阶特征,增强特征的视觉表达能力和区分性;然后,利用哈希技术将高维特征映射为低维二进制哈希码,并通过对聚类中心构造多索引哈希表加速寻找最近聚类中心,降低时间复杂度;最后,利用二进制K-means完成二进制哈希码快速聚类。实验结果表明,新方法能够有效地增强图像特征的表达能力,提高图像聚类效率。(2)研究了高维图像特征检索,针对当前的高维特征向量检索方法效率较低,难以适用于大规模图像数据,在利用卷积神经网络提取图像深层特征的基础上,提出了一种基于监督核哈希的图像检索方法。首先,利用卷积神经网络提取图像深层特征,并引入核函数作为哈希函数,增强哈希函数对线性不可分数据的分辨力;然后,利用监督核哈希算法对高维图像特征进行监督学习,并将高维特征映射到低维汉明空间中,生成紧致的哈希码;最后,在低维汉明空间中完成对大规模图像数据的有效检索。实验结果表明,新方法不仅减少了图像检索时间,而且提高了检索准确率和召回率,优于当前主流方法。(3)研究了图像查询扩展,由于图像噪声和语义鸿沟的存在,初始检索结果中会存在一些与查询图像无关的检索图像,为进一步提高图像检索准确率,提出了一种基于结构查询扩展的图像重排序方法。首先,通过深层卷积神经网络提取图像特征,并根据图像特征之间的相似性离线构建无向连接图,降低噪声对查找信任图像的不利影响;然后,利用最大密度子图查找算法在连接图中查找查询图像的信任图像;最后,利用监督核哈希算法对信任图像进行在线检索,根据扩展查询结果对初始检索结果重排序。实验结果表明,新方法有效提高了图像检索准确率,在复杂环境下仍具有较强的鲁棒性。

关键词：图像检索卷积神经网络多索引哈希图像聚类监督核哈希查询扩展图像重排序

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

医学影像检索与压缩处理研究

医学影像检索与压缩处理研究

作者：王亚鸽天津医科大学

学位级别：硕士

医学影像是辅助临床医师对疾病进行诊断、治疗和分析愈后情况的重要依据。随着数字化医院的快速建设以及越来越先进的医学成像设备与技术的出现,每天在医院都会有大量的医学影像产生,这大大增加了医学影像数据的存储空间,也使得医学影... 详细信息

医学影像是辅助临床医师对疾病进行诊断、治疗和分析愈后情况的重要依据。随着数字化医院的快速建设以及越来越先进的医学成像设备与技术的出现,每天在医院都会有大量的医学影像产生,这大大增加了医学影像数据的存储空间,也使得医学影像诊断医师的工作量大大增加,再加上诊断医师对医学影像的诊断具有很大的主观性,从而容易导致误诊和漏诊情况的发生。对大量的医学影像数据进行检索与压缩处理,可以在一定程度上减少诊断医师的工作量、提升诊断医师的诊断效率与准确率和减缓医学影像数据对存储空间的需求。本文对医学影像检索与压缩的方法进行了研究,主要的研究内容和创新性如下:（1）结合密集卷积网络的医学影像哈希检索。图像特征提取和哈希编码是医学图像检索的两个关键性步骤,为了提取出能够充分表达图像内容的图像特征和减少哈希编码中的投影误差,提出了一种基于密集卷积网络（Dense Convolutional Network,Dense Net）和改进的监督核哈希方法。该方法先对Dense Net模型进行训练优化,并用训练好的Dense Net模型来提取图像的高层语义特征;然后,对提取到的图像特征进行核主成分分析投影,以充分挖掘图像特征中蕴含的非线性信息和减少投影误差,再对投影后的图像特征进行监督核哈希学习,把图像特征映射到汉明空间,以生成更紧凑的二值哈希码,并通过比较哈希码间的汉明距离来完成检索。实验结果表明,在LUNA16数据集和Paris6K数据集上,与其它六种常见哈希方法相比,本文方法在不同哈希码长下的平均检索精度均高于其它方法,且在哈希码长为64bits时,平均检索精度分别高达92.9%和89.2%,从而验证了本文方法的有效性和可拓展性;也将本文方法与基于卷积神经网络的哈希算法进行了时间复杂度的比较,结果表明本文方法的时间复杂度较低,说明了本文方法具有一定的高效性。（2）一种联合Canny边缘检测和SPIHT的医学影像压缩方法。鉴于医学影像的特殊性,图像中的纹理细节等高频信息对诊断医师进行判断至关重要,所以,本文以提升压缩后的重构图像对高频信息的保留量为出发点,并针对多级树集合分裂（Set Partitioning in Hierarchical Trees,SPIHT）算法的重构图像会损失高频信息的不足,提出了一种联合Canny边缘检测和SPIHT的医学影像压缩方法。该方法先对图像进行Canny边缘检测,以提取图像的高频信息,获得图像的边缘图像;然后,对图像进行SPIHT编码,并用哈夫曼（Huffman）算法对SPIHT编码后的码流进行优化,依次经Huffman解码和小波逆变换后得到一幅重构图像,将该重构图像与前面获得的边缘图像进行相加以恢复原图像。实验结果表明,在选取的10幅包含有医学和非医学的标准测试图像上,与SPIHT结合Huffman的算法相比,在不同比特率下的本文方法重构图像的信息熵较高,说明了本文方法重构图像的高频信息得到了有效保留,从而验证了本文方法的可行性和有效性。

关键词：密集卷积网络监督核哈希核主成分分析 Canny边缘检测 SPIHT

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于哈希方法的图像检索技术研究

基于哈希方法的图像检索技术研究

作者：刘相利河南理工大学

学位级别：硕士

随着图像规模的不断增长,如何快速、准确地检索出目标图像已成为智能信息处理的主要研究内容。图像检索一般侧重于提取图像的局部特征,视觉词袋法(Bag of Visual Word,BOVW)将图像的局部特征量化成直方图向量表示图像。其中视觉词典的... 详细信息

随着图像规模的不断增长,如何快速、准确地检索出目标图像已成为智能信息处理的主要研究内容。图像检索一般侧重于提取图像的局部特征,视觉词袋法(Bag of Visual Word,BOVW)将图像的局部特征量化成直方图向量表示图像。其中视觉词典的生成和局部特征的量化决定了模型的质量。针对传统方式构建的视觉词典区分性较差、构建时间长且不包含空间信息等问题,本文中提出了新的视觉词袋模型生成方法:(1)基于监督核哈希(supervised hashing with kernel function,KSH)生成视觉词袋模型并将其应用与图像分类和检索。在该模型中视觉词典的构建不需要聚类,只需要学习哈希函数,大大降低了构建视觉词典的复杂度、缩短了构建视觉词典的时间;且在视觉词典构造的过程中,本文学习与数据相关的哈希函数,生成了区分能力较强的视觉词典,不需要生成多个视觉词典进行融合,就可达到比现有方法应用于图像分类与检索性能更优的效果。(2)利用KSH生成视觉词典并结合特征的空间位置信息构造新的空间金字塔视觉词袋模型。在该模型中考虑局部特征之间的空间信息,将基于监督哈希构建的视觉词典与空间金字塔相结合,构造出表达能力更强的视觉词典。在不同的数据集上的实验结果表明,本文方法较其它的分类方法其分类准确率较高;较其它的检索方法其检索效率最好。

关键词：视觉词典视觉词袋模型空间金字塔监督核哈希图像分类图像检索