基于极端学习的图像检索方法研究

基于极端学习的图像检索方法研究

ID:35181254

大小:4.81 MB

页数:76页

时间:2019-03-21

基于极端学习的图像检索方法研究_第1页
基于极端学习的图像检索方法研究_第2页
基于极端学习的图像检索方法研究_第3页
基于极端学习的图像检索方法研究_第4页
基于极端学习的图像检索方法研究_第5页
资源描述:

《基于极端学习的图像检索方法研究》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、单位代巧10144列代分类号7F编号硕±学位论支I题目識寺9的罔後啥亲有巧雨癸妍究生姓名硕辦夺K王强紙■专业(X;/心届I)导师姓名氣车華论文完成日期乃漆i巧^欠參ShenanLio打Universitygggy分类号:TP391.4密级:UDC:004.93编号:工学硕士学位论文基于极端学习的图像检索方法研究硕士研究生:欧阳海飞指导教师:魏英姿教授学科、专业:系统工程沈阳理工大学2016年3月分类号:TP391.4密级:UDC:004.93编号:工学硕士学

2、位论文基于极端学习的图像检索方法研究硕士研究生:欧阳海飞指导教师:魏英姿教授学位级别:工学硕士学科、专业:系统工程所在单位:自动化与电气工程学院论文提交日期:2015年12月11号论文答辩日期:2016年3月10号学位授予单位:沈阳理工大学ClassificationIndex:TP391.4U.D.C:004.93AThesisfortheDegreeofM.Eng.ResearchonImageRetrievalBasedontheExtremeLearningMachineCandidate:OuyangHaifeiSuperv

3、isor:Prof.WeiYingziAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:SystemsEngineeringDateofSubmission:December,2015DateofExamination:March,2016University:ShenyangLigongUniversity沈阳理工大学硕±学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用己在文中指出,。

4、并与参考文献相对应除文中已注明引用的内容外,本论文不包含任何其他个人或集体己经公开发表的作品成果。对本文的研究做出重要。贡献的个人和集体,均己在文中W明确方式标明本人完全意识到本声明的法律结果由本人承担。化作者(签字):巧屬(^《日期:年弓月/日学位论文版权使用授权书本学位论文作者完全了解沈阳理工大学有关保留、使用学位论文的规定目;,P沈阳理工大学有权保留并向国家有关部口或机构送交学位论文的复印件和磁盘,允许论文被查阅和借阅。本人授权沈阳理工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

5、索,可レッ采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名:沒巧^指导教师签名,曰期;兴^、乂0摘要基于机器学习的图像检索技术,一直都是机器视觉领域里研究的热门技术。应用该技术的关键和难点在于:图像特征的有效选择与提取,如何综合利用特征数据实现图像检索等。传统图像检索方法往往依据纹理、颜色、形状等基本特征,选取特征单一,检索能力有限。本文在研究传统图像检索方法的基础上,采用差分进化改进极端学习机的图像分类检索方法。该方法根据不同类型的图像,选择并提取多个不同

6、的图像特征完成图像检索任务。本文研究了图像预处理中的插值和滤波问题,通过这类预处理操作提高原始图像的品质。分别研究基于改进极端学习机的同类型图像和不同类型图像的图像检索问题。针对前一问题,选择HU不变矩特征,构建改进极端学习机的特征输入,分别对车标图像库中的大众车标、标志车标和别克车标的图像检索问题进行实验。实验中本文方法检索车标图像的准确率可高达95%,远高于普通极端学习机73%左右的检索精度。采用差分进化方法,以实现极端学习机输入权值和隐层偏置值的合理初始化,从而提高传统极端学习机的图像检索性能。变换不同检索目标,提出以Harri

7、s角点与质心的距离比作为新检索特征,可将车标检索精度提高至98%左右。以汽车、花、建筑等组成的图像库为对象,研究多类型图像的图像检索问题。在HU不变矩特征的基础上,有针对性地设计和使用了图像目标的最大H分量比值特征、LBP纹理特征等作为学习机输入,实验结果表明,改进的极端学习机算法性能明显优于传统极端学习机的检索效果。通过上述研究表明,将差分进化算法引入极端学习机,能够有效增强网络的鲁棒性。面向不同的检索目标合理选择不同的输入特征,实现极端学习机的多特征融合检索。在同类图像的检索和多类图像的检索等领域,该检索系统都能达到更高的检索精度

8、。关键词:图像检索;极端学习机;差分进化;鲁棒性;特征提取AbstractThekeyandthedifficultyliesintheapplicationofthetechnologyiseffectiveimage

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。