基于深度学习的图像特征提取

《基于深度学习的图像特征提取》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、Ｉ分类号：学校代码：１００６９密级：学号：１２０１６９０１１＿炙漆爾ＭＴＩＡＮＪＩＮＵＮＩＶＥＲＳＩＴＹＯＦＣＯＭＭＥＲＣＥ硕士专业学位论文基于深度学习的图像特征提取ＩｍａｅＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＢａｓｅｄｏｎＤｅｅＬｅａｒｎｉｎｇｐｇ研究生姓名：王崇善专业名称：应用统计学指导教师：赵芬霞教授”？一４丄―１Ｍｌｗ钚砟ｉ分类号：学校代码：10069密级：研究生学号：120169011基于深度学习的图像特征提取ImageFeatureE

2、xtractionBasedonDeepLearning研究生姓名：王崇善专业名称：应用统计指导教师姓名：赵芬霞教授论文提交日期：2018年5月学位授予单位：天津商业大学独创性声明及使用授权声明一、学位论文独创性声明本人所撰写的学位论文是在指导教师的指导下独立完成的研究成果。除已明确标注或得到许可外，所撰写的学位论文中不包含他人己申请学位或其他用途所使用过的成果，不包含其他个人或集体已经发表或撰写过的研究成果，本人的指导教师对此进行了审定。对本文的研宄做出重要贡献的个人或集体，本人己在文中做出明确的说明

3、并表示谢意。如有不实，本人承担相应责任。二、学位论文及研宂成果使用授权声明本人同意授权天津商业大学以非赢利方式保存、使用本人的学位论文的电子版及纸质版。授权天津商业大学将本论文的全部内容或部分内容提供给有关方面编入数据库进行检索、出版及提供信息服务。同意学校向国家有关部门或机构送交论文的复印。本人在校期间取得的研究数据。件和磁盘、相关成果等知识产权归天津商业大学所有注。：涉及保密的学位论文在解密后适用本授权学位论文作者签字＊：ｉｔ％指导教师签字：日期：年Ｘ月＞１日摘要本文研究基于

4、深度学习的图像特征提取方法，并将其与传统的图像特征提取方法进行比较，研究多种图像特征提取方法在不同环境条件下的工作情况。通过使用微软公司提供的一定情景下常见物体图像数据库，来测量基于深度学习的图像特征提取方法与传统的图像特征提取在通常状态，图像灰度化状态和角度不定条件状态下的工作效果。拆分一定情景下常见物体图像数据库的特定类别，并整理、筛选和修改图片格式，制作多个相应数据集，即图像灰度化和角度变化数据集。分别使用基于深度学习的图像特征提取方法、基于方向梯度直方图的图像特征提取方法和基于尺度不变特征变换的图像特征提取方法对不同

5、数据集进行特征提取。不同的图像特征提取方法，在不同环境下有着不同的工作效果。通常使用的图像特征提取方法如方向梯度直方图和尺度不变特征变换等，需要对特征的设计具有相关领域的先验知识，并且特征的设计和需要解决的任务、达成的目的有着密切的关系，模型的性能非常依赖于待处理数据的特点。论文的结构可以分为三个部分。文章的第一部分主要介绍了论文涉及到的理论知识和相关原理，其中包括方向梯度直方图和尺度不变特征变换的相关原理，以及算法中需要涉及到的支持向量机和非极大值抑制相关理论，并且还有卷积神经网络的理论和特征。文章的第二部分是实证分析环节

6、，在这个环节里，论文将分两步展开讲述，第一步是数据的清理，分别选取了一千张人和飞机图片，其中八百张作训练集，两百张作测试集，然后本文将分别使用基于方向梯度直方图、尺度不变特征变换和卷积神经网络的特征提取模型对数据进行特征提取。文章的第三部分是总结和分析的环节。图像特征提取技术可应用在许多领域，通过比较传统特征提取方法和深度网络能够了解他们各自的特点使用环境和研究思路，为特定环境，如固定视角监控录像、晃动背景前景提取、多视角行人识别和无人机搜索救援目标等的研究应用提供帮助，本文的结论为，本文研究的结果表明基于深度学习的图像特征

7、提取方法在通常状态下，图像灰度归一化后和角度不定条件下的准确率均高于基于机器学习的图像特征提取方法。关键词：特征提取；方向梯度直方图；尺度不变特征变换；卷积神经网络IABSTRACTInthispaper，theimagefeatureextractionmethodbasedondepthlearningiscomparedwiththemethodbasedonmachinelearning.ByusingtheCommonobjectimagedatabaseprovidedbyMicrosoftCompany，wem

8、easuretheimagefeatureextradrawactionawayofdepthlearningandtheimagefeatureextractionofmachinelearning，respectively，underthenormalstate，theimagenor