> 硕士毕业论文 > 35960字硕士毕业论文图形统计特征的图像识别计算综述

35960字硕士毕业论文图形统计特征的图像识别计算综述

论文类型:硕士毕业论文
论文字数:35960字
论点:图像,识别,描述
论文概述:

本文对于基于图的统计特征的图像识别问题进行了研究,综述了现有的图特征的图像识别方法,在图结构的基础上采用不同的特征统计方法,进行图结构的特征描述,并给出了的距离计算方法用

论文正文:

第一章导言

1.1主题的背景和意义
随着信息时代的进步,计算机科学,尤其是计算机网络,正在迅速发展。信息传输的速度和数量达到空之前的水平。人们收到越来越多的信息,变得越来越杂。信息时代的到来对人们的生活产生了巨大的影响。如何在浩瀚的信息海洋中获取人们真正需要的信息逐渐成为人们关注的焦点。图像作为一种重要的信息载体,正日益影响着人们生活的方方面面。图像识别作为图像处理技术中的一个热门话题,近年来发展迅速。具体来说,图像识别(image recognition)是一种利用计算机综合处理、分析和理解图像,以不同模式识别目标和对象的技术。它有非常广泛的应用。在航空空和卫星遥感图像分析领域,遥感图像通常通过图像识别技术进行处理,以提取有用的信息。图像识别技术主要应用于地形地质勘探、森林、水利、海洋、农业等资源调查、灾害预测、环境污染监测、卫星云图处理和地面军事目标识别等地方。在军事和公安刑事侦查领域,如军事目标侦察、制导和预警系统,自动灭火器的控制和防伪装,现场照片、指纹、笔迹、印章、肖像等的处理和识别。公安部门,历史文本和图片档案的修复和管理等。,将使用图像识别技术。在生物学和医学领域,图像识别被广泛应用于现代医学。它直观、无创、安全、方便。图像识别技术广泛应用于临床诊断和病理研究,如计算机断层扫描(Computed Tomography)技术。在计算机视觉领域,计算机视觉作为智能机器人的重要感官,主要用于理解和识别三维图像。这项技术也是当前研究的热点之一。为了识别图像,图像的有效描述是必要的基本步骤之一。从图像识别理论和技术的发展来看,每次提出新的图像描述方法,图像识别技术都会得到进一步的改进。尽管经过半个多世纪的不断研究,新的图像描述理论和方法仍在提出,这表明图像描述方法对于图像识别技术的重要性。图像描述方法的发展有其历史必然性:虽然人们已经提出了各种图像描述方法,并进一步提出了基于这些描述的各种图像预处理、识别、分析和理解技术,但现实世界的复杂性和多样性决定了数字图像表示的复杂性和多样性。因此,如何有效地描述图像,以便更好地为图像识别服务,仍然是图像识别方向的一个关键问题。图像描述完成后,必须完成图像识别工作,并且必须进行图像的相似性测量,这也是图像识别工作的另一个必要的基本步骤。对于不同的图像描述符,距离计算需要采用适合描述符的计算方法。由于各种描述符的结构不同,距离计算方法也有很多种。距离计算是识别工作中的另一个重要步骤,其计算结果直接作为识别的参考依据,在图像识别中起着至关重要的作用。因此,如何设计合理的距离计算方法来测量图像描述符之间的距离是最必要的任务之一。

1.2基于图形特征的图像描述方法的研究现状
在图像描述方面,早期使用的一种经典而简单的表示方法是图像像素阵列法(image pixel array method),它可以用矩阵表示,容易存储在计算机中。因此,直到今天,这种方法仍然是一种常见的表示方法。然而,在实际应用中,像素阵列方法往往包含过多的冗余信息,这不仅浪费了存储空间空,而且往往会降低图像识别和理解的有效性和正确性。为了进一步提高图像中对象描述的有效性,研究者考虑利用图像的基本特征,如边缘形状、纹理和特征点来完成图像对象的描述和识别。近年来,出现了许多方法,如基于边缘和轮廓的描述方法、基于纹理特征的描述方法、基于矩特征的描述方法和基于特征点的描述方法。其中,基于边缘和轮廓的描述方法通常通过一些边缘提取算法获得目标物体的大致轮廓,然后使用直方图等统计工具来描述轮廓,从而实现图像描述[1-3]。近年来,这些方法逐渐与其他技术相结合,从而达到更好的识别效果[4-7]。图像纹理是一种重要的视觉方法,是图像中常见但难以描述的特征。纹理分析技术在计算机视觉、图像处理、图像检索等地方发挥着重要作用。纹理不同于灰度和颜色等图像特征。它通过像素及其周围的灰度分布来表示[8 _ 12]空。矩特征的描述方法是利用图像[的整体特征来描述和识别图像。

第二章相关理论基础

2.1边缘方向直方图法
基于图结构的识别方法本质上是一种基于特征点的识别方法,因为图结构的建立依赖于特征点。提取特征点后,通过一定的合成方法构建图形的拓扑结构,然后通过图形结构的特征表示和距离计算得到图像的相似度。边缘方向直方图方法是该领域的经典方法。这种方法是高等人在2008年[28]中提出的。实验证明了其有效性和低时间复杂度。具体来说,可以分为以下几个步骤:首先,采用哈里斯特征点提取算法从输入的原始图像中提取特征点。采用这种特征点提取算法的原因是它采用了平均平方梯度矩阵和非最大抑制算法,不易受噪声影响,鲁棒性好。在特征点的基础上,利用Delaunay三角剖分构造图形结构。在处理噪声点时,该方法构造的图结构变化范围小,鲁棒性强。对原始图结构进行归一化,使算法的尺度不变。其次,提取图形结构上的每个边缘点,计算每个边缘点的方向(即其所在边缘的方向),并计算不同的方向以离散化该方向。根据计数的不同边缘方向,可以通过量化操作提取边缘方向的划分。每两个相邻的不同边缘方向之间存在方向差异,并且所有方向差异的最小值被获得为在X轴上的每个间隔的长度。

第三章基于图形几何统计特征的图像识别.........12
3.1导言.........12
3.2基于图形几何统计特征的图像描述方法.........13
3.2.1图形结构的相对距离特征.........13
3.2.2基于图形几何统计特征描述符的图形几何统计特征距离测量.........15
3.3.........16
3.4算法流程和时间复杂度分析.........16
3.5实验结果和分析.........17
第四章基于图形的结构语境图像.........23
4.1导言.........23
4.2基于图形的结构上下文图像描述方法.........24
4.3基于图形的结构上下文描述符的距离测量.........26
4.4算法流程和时间复杂度分析.........27
4.5实验结果和分析.........28
4.6本章摘要.........33
第五章申请.........34
5.1导言.........34
基于图像识别的5.2以下基于图片的文字袋上下文图像描述方法.........34[/比尔/] 5.3图中单词袋上下文描述符的距离测量.........37 [/BR/] 5.4基于图片的单词袋上下文的图像识别过程.........38[/比尔/] 5.5实验结果和分析.........38 [/BR/] 5.6本章概述.........44

结论

图像表示和匹配技术是图像处理、分析和识别的基础。图像的有效表示在图像的后续处理、分析和识别中起着重要的作用。近年来,基于图结构的图像分析和识别方法越来越受到研究者的关注。本文对图像结构的描述和相应距离的计算进行了研究。最后,采用不同的方法完成图像识别。主要改进和创新如下:
(1)提出了一种基于图像几何统计特征的图像识别方法。在边缘方向直方图方法的基础上,充分利用图像结构的边缘方向、边缘长度和平均相对距离等几何特征来更好地描述图像结构。对于归一化的图形几何统计特征描述符,采用快速鲁棒的经验模态分解方法,并配合参数α计算距离,从而获得图像间的相似度。该方法是对原方法的直接改进,实现简单,提高了识别效果。
(2)提出了一种基于图形结构上下文的图像识别方法,并结合图形领域的经典描述方法——图形上下文来描述图形结构。改进了快速鲁棒的经验模态分解方法,适应二维直方图的距离计算,解决了图的结构上下文描述符的距离计算问题。实验表明,图形的结构上下文在图像识别中是有效的。
(3)提出了一种基于图形词袋上下文的图像识别方法。将文档检索领域的词袋技术与图形的熵值上下文相结合,提出不同的视觉特征作为图像的码字。码本形成后,通过K-means算法得到优化的标准码字,矢量量化后得到描述图形结构的字包上下文。最后,利用曼哈顿距离计算方法,计算单词袋上下文之间的距离,得到图像之间的相似度,从而完成图像识别问题。

参考
[1] wangj,baix,You X,等人33(2):134-143,
[2]Almazan J,Fornes A,Valveny E_ A非刚性外形模型用于形状描述和识别[J]。模式识别,2012,45(9):3105-3113。
[3]项乙,薄伟,丛勇,等.形状检索的共转导.[,图像处理学报,2012,21(5):2747-2757 .
[4]支持阿瑞,布鲁诺·奥米.使用复杂网络和多尺度分形维数的形状分类[.模式识别信函,2010,31(1):44-51。
[5]巴克斯·阿·R,卡萨诺瓦·D,布鲁诺·奥米。基于复杂网络的边界形状分析方法[J]。模式识别,2009,42(1):54-67。
[6]张志彬刘付民。基于颜色和边缘特征的图像检索方法[。计算机应用,2012,32(5):1280-1282。
[7]金汤,陈占展,罗斌,等.基于复杂网络和最优子序列等分的形状描述与匹配[]。《电子学报》,2011年。39(8):1757-1765。
[8]帕帕里.格,佩蒂盖.一种通过可操纵滤波器和多级抑制进行环绕抑制的改进模型及其在轮廓检测中的应用.模式识别,2011,44 (9): 1999-2007。[/BR/] [9]尚赵薇,唐颜渊,刘正琦,等.基于多小波统计特征的纹理图像检索[.重庆大学学报(自然科学版),2007(9):64-70
[10]曲胡爱井。基于互补特征的纹理图像检索[。计算机应用,2012,32 (4): 1101-1103。