基于稀疏表示的图像目标分类方法研究

基于稀疏表示的图像目标分类方法研究

ID:35068721

大小:6.48 MB

页数:69页

时间:2019-03-17

基于稀疏表示的图像目标分类方法研究_第1页
基于稀疏表示的图像目标分类方法研究_第2页
基于稀疏表示的图像目标分类方法研究_第3页
基于稀疏表示的图像目标分类方法研究_第4页
基于稀疏表示的图像目标分类方法研究_第5页
资源描述:

《基于稀疏表示的图像目标分类方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、遲学校代码;1:0004密级:公开如艾新mBEIJINGJIAOTONGUNIVERSITY气jj^硕±学位论文]基于稀疏表示的图像目标分类方法研究^作者姓名胡碧董学科专业信号与信息处理i,層:指导教师苗振江教授K^.培养院系计龍与信息技术学院.-J售^麗嚴。占s#i福一晒闹固圓爾可面回巧..1尽義含ii14A硕±学位论文基于稀疏表示的图像目标分类方法研巧ResearchonImaeObectClassificationBasedOnSarsegjpReresentationp作者:胡碧

2、董导师:苗振江北京交通大学2016年3月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可将学位论文的全部或部分内容编入有关数据库进行检索,提供阅览服务,、缩印或扫描等复制手段保存并采用影印、汇编W供查阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘。学校可W为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。(保密的学位论文在解密后适用本授权说明)学位论文作者签名:导师签名:签字曰期:年导月户曰签字曰期:兴/(年作^曰学校代码:10004密级:公开北京交通

3、大学硕±学位论文基于稀疏表示的图像目标分类方法研究ResearchonImaeObectClassificationBasedOnSarsegjpRepresentation作者姓名:胡碧董学号:13口0327导师姓名:苗振江职称:教授学位类别:工学学位级别:硕±学科专业:信号与信息处理研究方向:图像分类北京交通大学2016年3月I致谢本论文的整体研究工作在我的导师苗振江教授的指导下开展,研巧过程中苗振,对我的选题江教授对我的工作给予了非常大的帮助、研究方向和研究方法都进行了悉必的指导。对于研究中遇到的问题

4、,苗振江教授总能及时地给我提供指导,确保我研究能够顺利进行。苗振江教授拓宽了我的研巧思维,给予了我很多学术上的启发,对我学术兴趣的培养起到了至关重要的作用。另外,H年的师生关系相处中,、苗振江教授对我生活、学习和工作上的关也无微不至。苗振江教授渊博的专业学识、严谨的学术态度、饱满的工作热情都对我产生了巨大的影响。在此,我衷屯地感谢苗振江教授对我的关巧、指导和帮助。由于研究内容的课题是与日本富±通合作开展,该公司的刘汝杰老师定期与项组的同学交流项目进展、目,对我们研巧终于到的问题进行了悉屯的指导,拓宽了我,的研究思维,给予了我很多学术上的启发,。因而在本文研巧过程

5、中刘老师的细屯、指点对我的学习进步起到了十分重要的作用。感谢实验室中许万茹、马聪、霍玉婷、张强、马文华、崔强等同学对我研究工作和学习生活所给予的帮助。同时,我也要感谢我的家人和朋友,他们的关也和支持是我继续前行的巨大动、力,我无法专屯地学习和工作。他们的支持是我面对困难和,没有他们的默默付出挫折的勇气来源。II北京交通大学硕±学位论文摘要摘要一,图像有着强大的信息搭载量,众所周知,而随着科技的发展系列依赖于图像进行工作的高科技产品应运而生,从而促进了图像处理技术的蓬勃发展。图像目标分类作为图像处理、人工智能发展至关重要的研巧方向,同样在W前所未

6、有的速度发展着。然而和生物认知相比,图像目标识别的速度和准确率仍旧处于较为落后的水平,具有较高的研究价值和进步的空间。故而,本人选择基于稀疏表示算法的图像目标分类作为自己的研究生阶段的研究方向。在本文中,本人使用OxfordPetDataset中的catdo数据库来进行实验g,通过8-H[]对MHMP算法(MultipathSarseCodinUsinierarchicalMatchinPursuit)中pggg一-KSVD进行修改的字典学习算法MI,得到个新的字典更新算法。该算法通过将字典学习与多尺度相结合而得到,本文将其命名为基于多尺度的奇

7、异值分解(KS-ingularValueDecompositionbasedonMultiScaleObjects,简称MSKSVD算法)。经大量实验证明-KSVD算法替代原始的M-MSIiA,用KSVD算法,可提升目标分[类的准确率。一进步-,本文针对MHMP算法的路径进行分析,提出更优的路径设计,从而达到:1)在保持准确率不降化的情况下,可,从而减少算法的[^减

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。