检索结果-南通市图书馆

基于统计流形的bag of features降维研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于统计流形的Bag of Features降维研究与应用

作者：蒋莲西安电子科技大学

学位级别：硕士

bagoffeatures方法自从2003年提出以来，在计算机视觉领域特别是图像分类和图像检索上得到了广泛的应用。它将每幅图像的局部特征集合映射成一个视觉词汇频率分布的直方图,使得图像仅需要使用一个直方图向量描述即可。但是，低维度的BO... 详细信息

bagoffeatures方法自从2003年提出以来，在计算机视觉领域特别是图像分类和图像检索上得到了广泛的应用。它将每幅图像的局部特征集合映射成一个视觉词汇频率分布的直方图,使得图像仅需要使用一个直方图向量描述即可。但是，低维度的BOF向量缺乏辨识能力。为了保留足够多的信息，向量的尺寸一般维持在1000000维。这不仅导致了存储空间和计算时间上很高的复杂度，而且高维向量的“维数灾难”问题，使得高维索引方法随着维数升高性能急剧下降。因此，有必要在使用BOF向量之前先对其进行维数约简，而传统的PCA线性降维算法无法反映出数据之间所隐藏的非线性性质，在低维情况下对BOF向量的分类和查询性能有较大影响。针对这种情况，本文提出了一种新的基于统计流形的非线性降维算法，能够在保证数据信息足够完整的条件下合理的约减BOF向量的维数。本文利用BOF向量本身是概率密度函数这一特点，引入fisher信息距离作为相似度度量标准，然后使用MDS算法将统计流形空间的距离信息嵌入到低维欧式空间，得到BOF向量的低维嵌入。本文将这种新的BOF降维方法与传统的PCA方法进行了对比，并在多个图像集上做了实验。实验结果表面我们的方法更有优势，能够在保证分类和检索上效率和准确率的基础上，得到更低维的向量。

关键词： bag of features 统计流形 fisher信息距离维数约减

基于空间Fisher核框架的bag of features算法的研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于空间Fisher核框架的Bag of Features算法的研究与应用

作者：汪鹏西安电子科技大学

学位级别：硕士

本文针对工程应用项目中的图像匹配问题，研究图像的分类与检索问题。bagof features(BOF)算法由于其高效性和简洁性，在图像分类和检索领域应用广泛。传统BOF算法只考虑特征点在视觉词典上的词频统计信息，需要的词典尺寸较大。在传统... 详细信息

本文针对工程应用项目中的图像匹配问题，研究图像的分类与检索问题。bagof features(BOF)算法由于其高效性和简洁性，在图像分类和检索领域应用广泛。传统BOF算法只考虑特征点在视觉词典上的词频统计信息，需要的词典尺寸较大。在传统BOF算法上引入Fisher核框架，采用软分配方式将特征点分配到视觉词典上，加入特征点均值和协方差的统计信息，能够取得更好的分类和检索效果。但是，上述算法都是用特征点的统计信息来表达一幅图像，缺乏特征点的空间结构与布局信息，严重影响了算法对图像的描述能力。本文提出了一种新的基于空间Fisher核框架的BOF算法，能够使得生成的描述向量带有一定特征点的空间几何信息。针对Fisher核框架下的两种描述向量：Fisher向量(FV)和局部聚合描述向量(VLAD)，将图像持续细分成子区块，并且计算每个子区块的FV和VLAD，最后将所有层次的所有子区块相应的描述向量连接，构成了两种带有特征点空间层次信息的空间描述向量：空间Fisher向量(SFV)和空间局部聚合描述向量(SVLAD)。通过对图像空间进行塔式划分，在原始向量中嵌入了特征点在图像空间的相对位置信息。本文将这两种新的描述向量与原始的FV和VLAD进行了对比，并在多个图像集上做了实验。实验结果表明，本文提出的空间Fisher核框架比传统的框架更有优势，能够提升图像分类和检索的准确率。

关键词： bag of features Fisher核框架空间金字塔空间Fisher向量空间局部聚合描述向量

Classification and recognition scheme for vegetable pests based on the BOF-SVM model

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

International Journal of Agricultural and Biological Engineering 2018年第3期11卷 190-196页

作者： Deqin Xiao Jianzhao Feng Tanyu Lin Chunhua Pang Yaowen Ye College of Mathematics and Informatics South China Agricultural UniversityGuangzhou 510642China Agricultural Aviation Research Institute of South China Agricultural University Guangzhou 510642China

The current detection technology for vegetable pests mainly relies on artificial statistics,which exists many shortages such as requiring a large amount of labor,low efficiency,feedback delay and artificial *** rapid detection and image processing technology targeting at vegetable pests,not only can reduce manpower and pesticide use,but also provide decision support for precise spraying and improve the quality of *** research achievements are still relatively lacking on the rapid identification technology based on image processing technology in vegetable *** the above background,this paper presents a classification and recognition scheme based on the bag-of-words model and support vector machine(BOF-SVM)on four important southern vegetable pests including Whiteflies,Phyllotreta Striolata,Plutella Xylostella and *** paper consists of four *** first sub-algorithm is to compute the character description of pest images based on scale-invariant feature *** second sub-algorithm is to compute the visual vocabulary based on bag of *** third sub-algorithm is to compute the classifier of pests based on support vector *** last one is to classify the pest images using the *** this study,C++and Python language were used as implementation technologies with OpenCV and LibSVM function library based on BOF-SVM classification *** showed that the average recognition accuracy was 91.56%for a single image category judgment with 80 images from the real environment,and the average time was 0.39 *** algorithm has achieved the ideal operating speed and *** can provide decision support for UAV precise spraying,and also has good application prospect in agriculture.

关键词： agricultural image processing vegetable pests classification recognition bag of features support vector machine

基于SIFT和旋转不变LBP相结合的图像检索系统研究与实现

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于SIFT和旋转不变LBP相结合的图像检索系统研究与实现

作者：薛常亮东北大学

学位级别：硕士

传统的基于文本的图像检索技术由于自身限制,已经不能满足用户对图像信息的检索需求。一种新的图像检索技术——基于内容的图像检索技术(Content Based Image Retrieval, CBIR)应运而生,并且已经成为大规模多媒体数据库高效管理和检索... 详细信息

传统的基于文本的图像检索技术由于自身限制,已经不能满足用户对图像信息的检索需求。一种新的图像检索技术——基于内容的图像检索技术(Content Based Image Retrieval, CBIR)应运而生,并且已经成为大规模多媒体数据库高效管理和检索的重要手段。因此,本文研究并设计了基于内容的图像检索系统。实际中的图像总会发生尺度、视角及亮度的变化,而基于内容的图像检索技术提取的传统的图像的颜色、纹理、形状以及空间关系等特征往往此时表现欠佳。基于内容的图像检索领域急需一种能够对图像尺度、亮度、旋转、平移甚至仿射不变的特征描述提取算法。本文深入研究了尺度不变特征变换(Scale Invariant Feature Transform, SIFT)算法和局部不变二值模式(Local Binary Pattern, LBP)的方法和原理,针对在图像光照变化明显时,SIFT算法表现欠佳的问题,重点研究了旋转不变LBP。提出了SIFT和旋转不变LBP相结合的图像特征提取新算法。算法使用和SIFT相同的关键点检测方法,在得到图像特征的关键点后,统计关键点周围16×16区域的梯度信息并计算周围9×9区域的LBP值构建图像的SIFT-LBP特征描述子。为了进一步提高检索准确率和检索速度,本文采用了基于遗传算法的特征选择方法对得到的图像特征进行选择。并且提出了bag of features和VP-tree结合的索引结构,利用bag of features模型将图像的高维特征映射到视觉词汇表,将图像表示成了基于视觉词频数的特征矢量,然后将所有图像特征矢量构建VP-tree索引树。在Windows XP环境下,利用Visual C++6.0和SQL2000数据库技术开发了基于SIFT和旋转不变LBP相结合的图像检索系统。实验表明,本文的SIFT和旋转不变LBP相结合的算法具有良好的尺度、旋转及视角不变性,同时对图像光照的变化具有良好的鲁棒性,并且相对于SIFT算法有较高的检索准确率。本文所设计的系统能很好地满足检索的实时性要求。

关键词： SIFT 旋转不变LBP bag of features 高维索引遗传算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

超声心动图中先心病辅助诊断技术研究

超声心动图中先心病辅助诊断技术研究

作者：朱峰上海交通大学

学位级别：硕士

二尖瓣是心脏的重要组成部分,其生理功能是控制左心房到左心室之间血液的单向流动。据统计,我国的小儿先天性心脏病例中,约1/2的病因源于二尖瓣的结构异常与功能异常。二尖瓣返流、二尖瓣狭窄等都是常见的瓣膜性心脏病,临床上通常采用... 详细信息

二尖瓣是心脏的重要组成部分,其生理功能是控制左心房到左心室之间血液的单向流动。据统计,我国的小儿先天性心脏病例中,约1/2的病因源于二尖瓣的结构异常与功能异常。二尖瓣返流、二尖瓣狭窄等都是常见的瓣膜性心脏病,临床上通常采用超声来观察二尖瓣的形态与运动轨迹,进行疾病诊断。本文提出了一种基于bag of features的二尖瓣根识别算法,与一种基于自动上下文模型的瓣膜识别算法。瓣根识别算法的难点在于如何设计有效的特征描述子。由于瓣根与左心房、心室的位置较为固定,瓣膜的快速移动使得瓣根邻域的纹理信息较丰富,最终算法采用局部上下文特征和LBP特征描述二尖瓣根。bag of features首先从样本中提取瓣根特征,采用k-means算法聚类生成视觉词汇,构成码书,然后计算每一样本的BOF直方图,作为特征描述向量,据此训练分类器,分类器采用直方图交集核SVM。瓣膜的自动提取需要解决两个问题。第一,瓣膜的运动快速而无规律,如何建立有效的模型是个难点;第二,受限于超声成像机制,在心室收缩期,瓣膜张开时会出现成像断裂成几部分的情况,如何正确分割所有的瓣膜区域是个更为困难的任务。本文提出的瓣膜识别算法,通过把瓣膜看做是一些点的集合,将瓣膜整体的分割转换为对点集的识别,可以有效解决上述问题。算法首先采用自动上下文模型识别出瓣膜,然后采用bag of features方法识别出瓣根,基于瓣根、瓣膜的相对位置确定瓣膜所在区域,筛除误判点。为了进一步去除尾影,最后进行细化、滤波操作。算法在10个病人的实时三维超声心动图数据集上进行训练与测试,实验结果表明,与人工标定相比,瓣根的平均识别误差为1.4±2.1个像素,瓣膜在舒张期和收缩期都取得了较为准确的识别结果。

关键词：二尖瓣超声心动图 bag of features 自动上下文模型