基于BoF的图像检索与行为识别研究

发布时间：2017-03-31 05:07

  本文关键词：基于BoF的图像检索与行为识别研究，由笔耕文化传播整理发布。

【摘要】：随着互联网技术发展,网络上存放的图片数量逐年增加,目前已有数以亿计的网络图片。如何在如此大规模的图像集中快速的找到用户想要的图片,已经成为计算机视觉领域里的一个重要问题。为了解决这一问题,基于内容的图像检索研究被提出并受到了广泛关注,每年都会有新的算法被提出。本文针对图像检索,研究了基本的基于内容的图像检索方法和图像检索的一个子问题：静态图像的行为识别。当前在图像检索和分类领域里,最推崇的方法是使用局部特征的集合来描述图像。特征词袋(Bag-of-Feature,BoF)模型为将局部特征集合表示成统一维度的向量提供了可能。本论文的所有研究都是基于BoF模型的扩展算法展开。为了优化传统的基于内容的图像检索方法,本文提出了BoC-BoF融合特征表征图像内容。首先,提取基于Rootsift描述子的BoF向量,获得图像的边缘和形状信息；其次,提取基于HSV空间的颜色词袋(Bag-of-Color, BoC)表示向量,获得图像的全局颜色信息；最后,利用高斯外部归一化算法将BoF表示向量和BoC表示向量融合形成BoC-BoF融合特征。BoC-BoF融合特征同时也实现了全局特征与局部特征相融合。检索实验结果表明,基于BoC-BoF融合特征的图像检索方法比当前流行的多种检索方法更为有效。为了优化基于内容的图像检索方法,本文也详细研究了它的子问题：静态图像行为识别。之所以研究行为识别是因为在对图像检索结果改善过程中,发现现有的搜索引擎对某些高层语义的检索结果需要进行改善。通过对表示行为的关键词构建分类器,并与传统检索模型结合,将会对检索结果进行更加符合高层语义的改善。本文提出一种基于广义性多核学习的静态图像人体行为识别方法。从图像中提取基于边缘的梯度方向直方图和基于稠密采样的尺度不变特征描述子,并使用空间金字塔模型加入粗略空间信息；运用直方图内交核函数计算金字塔模型各层的核矩阵,通过广义性多核学习方法求解各层核矩阵权重,以线性组合方式得到最优核矩阵；最后利用多核学习决策函数进行行为识别。Willow-actions数据集实验结果表明,本文方法比其它几种方法更加有效。
【关键词】：图像检索 行为识别 特征词袋 多核学习
【学位授予单位】：山西大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 中文摘要8-9
• ABSTRACT9-11
• 第一章 绪论11-17
• 1.1 研究背景与意义11-13
• 1.1.1 图像检索背景11-13
• 1.1.2 本文研究的问题及其意义13
• 1.2 国内外研究现状13-15
• 1.3 本文主要工作15-16
• 1.4 本文组织结构16-17
• 第二章 图像特征与多核学习17-25
• 2.1 图像特征17-18
• 2.1.1 全局图像特征17
• 2.1.2 局部图像特征17-18
• 2.2 SIFT局部特征算法18-21
• 2.2.1 SIFT的算法步骤18-21
• 2.2.2 SIFT算法的优缺点分析21
• 2.3 BoF(Bag-of-Feature)表示模型21-23
• 2.4 多核学习23-24
• 2.5 本章小结24-25
• 第三章 基于BoC-BoF融合特征的图像检索25-35
• 3.1 引言25
• 3.2 BoC-BoF表示25-28
• 3.2.1 BoC表示的构建过程25-27
• 3.2.2 BoC-BoF融合算法27-28
• 3.3 实验与结果分析28-34
• 3.3.1 数据集28-29
• 3.3.2 评测指标29-31
• 3.3.3 全局相似性图像检索结果31-34
• 3.3.4 局部相似性图像检索结果34
• 3.4 本章小结34-35
• 第四章 基于广义性多核学习的静态图像行为识别35-43
• 4.1 引言35-36
• 4.2 广义性多核学习算法36-37
• 4.3 图像表示37-38
• 4.3.1 空间金字塔模型37-38
• 4.3.2 Phog特征38
• 4.4 行为识别算法流程38-39
• 4.5 实验结果和分析39-41
• 4.5.1 数据集39-40
• 4.5.2 各种核函数的性能对比40
• 4.5.3 行为识别正确率比较40-41
• 4.6 本章小结41-43
• 第五章 总结与展望43-45
• 5.1 工作总结43-44
• 5.2 工作展望44-45
• 参考文献45-51
• 攻读学位期间取得的研究成果51-53
• 致谢53-55
• 个人简况及联系方式55-57
• 承诺书57-59

【相似文献】

中国期刊全文数据库 前10条

1 许天兵;一个语义制导的图像检索框架[J];中原工学院学报;2004年04期

2 鲁珂,赵继东,叶娅兰,曾家智;一种用于图像检索的新型半监督学习算法[J];电子科技大学学报;2005年05期

3 陈可佳;姜远;周志华;;基于主动相关反馈的图像检索方法[J];模式识别与人工智能;2005年04期

4 丁玉霞;程义民;李杰;王以孝;;一种基于目标区域的图像检索方法[J];计算机工程与应用;2006年17期

5 樊飞飞;许宏丽;;神经网络在图像检索中的应用研究[J];计算机与数字工程;2006年11期

6 江祥奎;原思聪;王发展;;基于灰色系统理论的多特征相关反馈图像检索[J];计算机工程;2006年23期

7 焦岩;王学军;;科技资源图像检索的探讨[J];电脑知识与技术(学术交流);2007年06期

8 鲍健鹏;陈昭炯;;聚类技术在图像检索中的应用[J];福建电脑;2007年06期

9 牛一帆;成刚虎;;基于内容图像检索的关键技术研究[J];广东印刷;2007年04期

10 汤进;翟素兰;罗斌;;基于加权关系图谱特征的图像检索[J];计算机工程;2007年24期

中国重要会议论文全文数据库 前10条

1 陈旭文;朱红丽;;一种高效的图像检索方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

2 周向东;张亮;张琪;刘莉;殷慷;施伯乐;;一种新的图像检索相关反馈方法[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈世亮;李战怀;闫剑锋;;一种基于本体描述的空间语义图像检索方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 赵海英;彭宏;;基于最优近似反馈的图像检索[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

5 许相莉;张利彪;于哲舟;周春光;;基于商空间粒度计算的图像检索[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

6 李凌伟;周荣贵;刘怡;;基于概念的图像检索方法[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

7 杨关良;李忠杰;徐小杰;;基于代表色的图像检索方法研究[A];首届信息获取与处理学术会议论文集[C];2003年

8 彭瑜;乔奇峰;魏昆娟;;基于多示例学习的图像检索方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 胡敬;武港山;;基于语义特征的风景图像检索[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

10 牛晓晖;王妍;贾克斌;;基于信息突变的图像检索方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年

  本文关键词：基于BoF的图像检索与行为识别研究，，由笔耕文化传播整理发布。

本文编号：278953