基于多特征融合的图像复杂度评价及应用
发布时间：2022-12-08 03:34
图像复杂度的评价方法被广泛的应用于目标识别、信息安全、图像压缩、认知心理学等领域。研究图像复杂度的评价不仅有利于进一步了解人类视觉的认知过程,同时能够促进其他相关科学领域的发展。本文对图像复杂度的评价及应用开展如下工作:将多种信息熵特征引入图像复杂度评价中,提出了一种将纹理特征、颜色特征和多种信息熵特征融合的BP神经网络图像复杂度评价方案。首先建立图像数据库,然后对图像进行多特征提取,并且针对这些特征量存在冗余的问题,给出了一种与分类结果相对应的相关系数降维方法,将选择后的特征量输入BP神经网络中进行训练测试。实验结果显示,本文得到的复杂度评价方法不仅符合人眼视觉,而且评价结果要优于现有的复杂度评价方法。针对BP神经网络优化算法中存在的非凸优化问题,给出了一种改进的基于遗传算法的BP经网络图像复杂度评价方法,提出可以在遗传算法评估的不同阶段使用不同规格的神经网络训练模型以应对不同场景下的评估需求,保证算法有效性的前提下克服了算法复杂度过高的问题。将该算法代入图像复杂度评价实验中进行测试,实验结果显示,随着迭代的进行图像复杂度评价性能得到大幅提升。最后,将多特征融合的GA-BP神经网络图...
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 图像复杂度研究方法现状
1.2.2 图像复杂度应用领域现状
1.3 本文的研究思路和内容安排
2 图像复杂度评价的相关理论
2.1 图像复杂度分类
2.2 图像复杂度特征
2.2.1 颜色特征
2.2.2 纹理特征
2.2.3 基于信息熵的特征
2.3 本章小结
3 基于多特征融合的BP神经网络图像复杂度评价方法
3.1 图像复杂度的主观评价实验
3.2 图像复杂度特征提取
3.3 图像复杂度特征选择
3.4 基于BP神经网络的图像复杂度评价
3.5 基于BP神经网络的图像复杂度评价算法仿真与实验
3.5.1 图像复杂度评价算法实验
3.5.2 实验结果分析
3.5.3 不同的评价方法对比
3.6 本章小结
4 改进的基于遗传算法的BP神经网络图像复杂度评价
4.1 基于遗传算法的BP神经网络图像复杂度评价
4.2 改进的基于遗传算法的BP神经网络图像复杂度评价
4.3 改进的基于遗传算法的BP神经网络图像复杂度评价算法性能测试
4.4 本章小结
5 图像复杂度评价在煤矸石识别中的应用
5.1 基于图像复杂度的煤矸石识别
5.1.1 基于图像复杂度评价算法的煤矸石识别
5.1.2 基于图像复杂度评价算法的煤矸石识别结果
5.2 本章小结
6 总结与展望
6.1 全文总结
6.2 研究展望
致谢
参考文献
附录 攻读学位期间发表的论文
【参考文献】：
期刊论文
[1]基于多特征信息融合的彩色图像复杂度研究[J]. 冯丹青,陈亮. 通信技术. 2019(09)
[2]基于机器视觉的多机械臂煤矸石分拣机器人系统研究[J]. 王鹏,曹现刚,夏晶,吴旭东,马宏伟. 工矿自动化. 2019(09)
[3]Improved Social Emotion Optimization Algorithm for Short-Term Traffic Flow Forecasting Based on Back-Propagation Neural Network[J]. 张军,赵申卫,王远强,朱新山. Journal of Shanghai Jiaotong University（Science）. 2019(02)
[4]基于精细复合多尺度熵与支持向量机的睡眠分期[J]. 叶仙,胡洁,田畔,戚进,车大钿,丁颖. 上海交通大学学报. 2019(03)
[5]Mapping Soil Electrical Conductivity Using Ordinary Kriging Combined with Back-propagation Network[J]. HUANG Yajie,LI Zhen,YE Huichun,ZHANG Shiwen,ZHUO Zhiqing,XING An,HUANG Yuanfang. Chinese Geographical Science. 2019(02)
[6]基于机器视觉的煤矸石多工况识别研究[J]. 沈宁,窦东阳,杨程,张勇. 煤炭工程. 2019(01)
[7]基于遗传算法优化BP神经网络的接触电阻预测[J]. 孙海峰,沈颖,王亚楠. 电测与仪表. 2019(05)
[8]基于小波变换的煤矸石自动分选方法[J]. 陈立,杜文华,曾志强,王俊元,王日俊. 工矿自动化. 2018(12)
[9]图像复杂度研究综述[J]. 周兵,刘玉霞,杨欣欣,刘扬. 计算机科学. 2018(09)
[10]遗传算法优化的BP神经网络压电陶瓷蠕变预测[J]. 范伟,林瑜阳,李钟慎. 电机与控制学报. 2018(07)
硕士论文
[1]基于颜色和纹理特征的图像复杂度研究[D]. 王浩.长春理工大学 2018
[2]基于多视觉特征的图像复杂度评价及应用[D]. 殷昆燕.南京大学 2013
本文编号：3713464
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 图像复杂度研究方法现状
1.2.2 图像复杂度应用领域现状
1.3 本文的研究思路和内容安排
2 图像复杂度评价的相关理论
2.1 图像复杂度分类
2.2 图像复杂度特征
2.2.1 颜色特征
2.2.2 纹理特征
2.2.3 基于信息熵的特征
2.3 本章小结
3 基于多特征融合的BP神经网络图像复杂度评价方法
3.1 图像复杂度的主观评价实验
3.2 图像复杂度特征提取
3.3 图像复杂度特征选择
3.4 基于BP神经网络的图像复杂度评价
3.5 基于BP神经网络的图像复杂度评价算法仿真与实验
3.5.1 图像复杂度评价算法实验
3.5.2 实验结果分析
3.5.3 不同的评价方法对比
3.6 本章小结
4 改进的基于遗传算法的BP神经网络图像复杂度评价
4.1 基于遗传算法的BP神经网络图像复杂度评价
4.2 改进的基于遗传算法的BP神经网络图像复杂度评价
4.3 改进的基于遗传算法的BP神经网络图像复杂度评价算法性能测试
4.4 本章小结
5 图像复杂度评价在煤矸石识别中的应用
5.1 基于图像复杂度的煤矸石识别
5.1.1 基于图像复杂度评价算法的煤矸石识别
5.1.2 基于图像复杂度评价算法的煤矸石识别结果
5.2 本章小结
6 总结与展望
6.1 全文总结
6.2 研究展望
致谢
参考文献
附录 攻读学位期间发表的论文
【参考文献】：
期刊论文
[1]基于多特征信息融合的彩色图像复杂度研究[J]. 冯丹青,陈亮. 通信技术. 2019(09)
[2]基于机器视觉的多机械臂煤矸石分拣机器人系统研究[J]. 王鹏,曹现刚,夏晶,吴旭东,马宏伟. 工矿自动化. 2019(09)
[3]Improved Social Emotion Optimization Algorithm for Short-Term Traffic Flow Forecasting Based on Back-Propagation Neural Network[J]. 张军,赵申卫,王远强,朱新山. Journal of Shanghai Jiaotong University（Science）. 2019(02)
[4]基于精细复合多尺度熵与支持向量机的睡眠分期[J]. 叶仙,胡洁,田畔,戚进,车大钿,丁颖. 上海交通大学学报. 2019(03)
[5]Mapping Soil Electrical Conductivity Using Ordinary Kriging Combined with Back-propagation Network[J]. HUANG Yajie,LI Zhen,YE Huichun,ZHANG Shiwen,ZHUO Zhiqing,XING An,HUANG Yuanfang. Chinese Geographical Science. 2019(02)
[6]基于机器视觉的煤矸石多工况识别研究[J]. 沈宁,窦东阳,杨程,张勇. 煤炭工程. 2019(01)
[7]基于遗传算法优化BP神经网络的接触电阻预测[J]. 孙海峰,沈颖,王亚楠. 电测与仪表. 2019(05)
[8]基于小波变换的煤矸石自动分选方法[J]. 陈立,杜文华,曾志强,王俊元,王日俊. 工矿自动化. 2018(12)
[9]图像复杂度研究综述[J]. 周兵,刘玉霞,杨欣欣,刘扬. 计算机科学. 2018(09)
[10]遗传算法优化的BP神经网络压电陶瓷蠕变预测[J]. 范伟,林瑜阳,李钟慎. 电机与控制学报. 2018(07)
硕士论文
[1]基于颜色和纹理特征的图像复杂度研究[D]. 王浩.长春理工大学 2018
[2]基于多视觉特征的图像复杂度评价及应用[D]. 殷昆燕.南京大学 2013
本文编号：3713464
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3713464.html