自然场景中物体识别算法研究

《自然场景中物体识别算法研究》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、硕士学位论文自然场景中物体识别算法研究作者姓名胡耀学科专业电路与系统指导教师余卫宇副教授所在学院电子与信息学院论文提交日期2016年4月ResearchonObjectRecognitioninNaturalSceneADissertationSubmittedfortheDegreeofMasterCandidate:HuYaoSupervisor:Vice-Prof.YuWeiyuSouthChinaUniversityofTechnologyGuangzhou,China分类号：TP391学校代号：10561学号：201320108128华南理工大学硕士学位论文自然场景中物体识别

2、算法研究作者姓名：胡耀指导教师姓名、职称：余卫宇副教授申请学位级别：工学硕士学科专业名称：电路与系统研究方向：图像处理与模式识别论文提交日期：2016年4月20日论文答辩日期：2016年6月7日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：余华教授委员：赵平高级工程师余卫宇副教授刘徐迅副教授冯久超教授华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全

3、意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于：□保密，在年解密后适用本授权书。□不保密,同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期

4、刊（光盘版）电子杂志社全文出版和编入CNKI《中国知识资源总库》，传播学位论文的全部或部分内容。（请在以上相应方框内打“√”）作者签名：日期：指导教师签名：日期：作者联系电话：电子邮箱：联系地址（含邮编）：摘要近年来，随着互联网的快速发展，网络中的图片数目也与日俱增，如何让计算机拥有识别图像中核心物体的能力成为了人们日益迫切的需求。目前流行的物体识别算法主要有两大类：基于人工特征的物体识别算法与基于深度学习的物体识别算法。本文分别对这两大类物体识别算法进行了研究和创新，提出了基于SIFT和SURF融合特征的物体识别算法与基于DCNN的物体识别算法。并在DCNN的基础上提出了基于Gabo

5、r特征的DCNN物体识别算法，改进DCNN无法学习到一些好的人工特征的缺点。本文的主要工作和创新点如下：（1）提出了一种基于SIFT和SURF融合特征的物体识别算法。传统基于人工特征的物体识别算法的做法是先提取图像的SIFT特征，再通过标准词袋模型进行图像特征表达，最后用SVM分类器对图像分类。虽然SIFT算法对尺度变化和旋转变化都具有很好的鲁棒性，但是它在亮度变化以及图像模糊方面的稳定性不如SURF算法，且SIFT特征空间位置信息会被标准词袋模型所忽略。所以本文提出了一种基于SIFT和SURF融合特征的物体识别算法。通过不同数据集的对比实验，表明本文所提出的算法要优于传统的物体识别算

6、法。（2）提出了一种基于DCNN的物体识别算法。传统的特征提取算法，只能够提取到数据集低层特征，无法对数据集进行更本质的刻画。因此本文对深度学习算法进行了研究，并设计了一种全新的深度卷积神经网络4CS-DCNN，在ImageNet10数据集上取得了80.27%的识别率，显著优于基于SIFT和SURF融合特征的物体识别算法。（3）提出了一种基于Gabor特征的DCNN物体识别算法。由于DCNN不能提取出一些比较好的人工特征，比如说图像纹理特征，故本文在DCNN的基础上，通过加入Gabor特征来加强网络对纹理信息的学习，最终在ImageNet10数据集上取得了81.53%的识别率，比单独的

7、DCNN物体识别算法提升了1.30%。关键词：物体识别；SIFT；SURF；卷积神经网络；GaborIAbstractInrecentyears,withtherapiddevelopmentofthenetwork,theamountofimagesontheInternethasbeengrowingswiftly.Howtomakethecomputerowntheabilitytorecognizethesalientobjectina