资源描述：
《小波散射卷积神经网络及其应用图像检索》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、广东工业大学硕士学位论文(理学硕士)小波散射卷积神经网络及其应用图像检索文介华二○一八年六月分类号：O29学校代码：11845UDC：密级：学号：2111514008广东工业大学硕士学位论文（理学硕士）小波散射卷积神经网络及其应用图像检索文介华指导教师姓名、职称：谭立辉副教授学科(专业)或领域名称：数学学生所属学院：应用数学学院论文答辩日期：2018年6月4日ADissertationSubmittedtoGuangdongUniversityofTechnologyfortheDegreeofMaster(Master
2、ofScience)WaveletScatteringConvolutionNeuralNetworkandItsApplicationinImageRetrievalCandidate:WenJieHuaSupervisor:A/Prof.TanLiHuiJune2018SchoolofAppliedMathematicsGuangdongUniversityofTechnologyGuangzhou,Guangdong,P.R.China,510520摘要摘要S.Mallat等人在2012年提出了一种具有平移不变性、
3、形变稳定性的新型小波变换网络结构-小波散射卷积神经网络.此网络有严格的数学理论支撑,具有较强的鲁棒性.随后Wiatowski等人针对Mallat等人提出的小波散射网络结构进行了理论推广,证明其尺度影响形变稳定性,并且加入下采样因子以降散射特征维度.由于不变散射网络结构具有上述优良性质,它已被广泛的应用在音频和图像识别等领域.图像检索是指从索引数据库中找到与目标图片最为相近的一组图片,它具有广泛的商业应用前景,是图像搜索引擎的必要功能.图像检索算法的核心技术是提取图像的特征,早期经典的特征提取算法,无论是精度还是耗时上都比
4、较差.而最新出现的深度神经网络虽然效果很好,但对场景和训练数据集有一定的要求.本文研究了小波散射卷积神经网络的性质及其推广,并且结合相似度度量方法,将其运用进图像检索领域.具体工作如下:1.系统的介绍小波散射卷积神经网理论的相关背景;2.详细的介绍了小波散射卷积神经网络的结构和原理,以及小波散射理论的相关性质及其理论推广,和推广后的不变散射框架的相关性质;3.将小波不变散射网络运用进图像检索领域,并建立合理的相似度度量方式.就灰度图和HSV颜色空间的彩色图分别实验.基于Gabor和Molet小波框架下,针对每张图片分别设
5、计小波核(任意大小输入),然后用加入最大池化的不变散射变换得到的特征系数,用其均值和方差作为新的特征,维度大大降低,适合大规模图像检索.关键字:小波散射;特征提取;不变散射;图像检索I广东工业大学硕士学位论文ABSTRACTIn2012,S.Mallatetal.proposedanovelwavelettransformnetworkstructurewithtranslationalinvarianceanddeformationstability-waveletscatteringconvolutionalneur
6、alnetwork.Thisnetworkissupportedbystrictmathematicaltheoryandhasstrongrobustness.Wiatowskietal.thenextendedthetheorytothewaveletscatteringnetworkstructureproposedbyMallatetal.andprovedthatthescaleinfluencesthedeformationstability,andaddedthedownsamplingfactortore
7、ducethescatteringfeaturedimension.Sincetheinvariantscatteringnetworkstructurehastheaboveexcellentproperties,ithasbeenwidelyusedinaudioandimagerecognitionandotherfields.Imageretrievalreferstofindingagroupofpicturesthatareclosesttothetargetpicturefromtheindexdataba
8、se.Ithasawiderangeofcommercialapplicationprospectsandisanecessaryfunctionoftheimagesearchengine.Thecoretechnologyoftheimageretrievalalgorithmistoextractthefeat
