文档介绍：⑧至堡垒蔳噎里垒苎苎至至至葜髦罳堕金鱼堡へ慷橹鹘§鱼实㏎金垒盟鱼鹩鉮旦颭痶::
●。...,■
末黏矿。.:一””.‘—⋯签字日期:山晗缭孪溉Ⅲ帅㈣洲签字日期:凶叭叭签字日期:少曷蕖ぴ拢谌浙江大学研究生学位论文独创性声明学位论文版权使用授权书旯耭表或撰写过的研究成果,也不包含为获得迸姿盎堂或其他教育机构的学位或本学位论文作者完全了解澎鎏盘堂有权保留并向国家有关部门或机构送交本论文的复印件和磁盘。允许论文被查阅和借阅。本人授权::。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:以将学位论文的全部或部分内容编入有关数据库进行检索和传播,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笫视帽臼谌ㄊ导师签名:籕√一:二,‘.、●。’●
摘要随着数码成像产品和大容量存储设备价格的同益低廉,每天都会产生成千上万的数字照片,导致互联网上多媒体信息的数量呈爆炸性增长。此外,图像搜索引擎鏨和在线照片管理与共享应用软件鏔,促使图像信息资源在网络环境中随处可见。网络用户可以方便地建立自己的数字照片集,并在线与他人共享和交流。但如何高效地表示、索引和检索枷瘢斜要分析图像的内容,挖掘隐含在图像中的语义信息。基于语义的图像分类是从海量的枷裰蟹⑾钟杏眯畔⒌闹匾M揪叮哂芯薮蟮挠τ们熬啊5鼻埃枷穹类虽然在低层视觉特征的提取上较为成熟,但高层语义信息获取的有效性却常常无法满足实际需求。其次,枷裢ǔ>哂写蠊婺!⒏呶⒎窍咝缘奶匦裕并且在内容上又表现出丰富性和多样性。因此,基于语义的枷穹掷嗉仁且个迫切需要解决的关键问题,也是一个极具挑战性的研究课题。本文针对当前枷穹掷嘀写嬖诘奈侍猓岢隽讼嘤Φ慕饩龇桨福袢×一定的创新性成果。本文的主要贡献概括如下:A怂醵檀嬖谟谕枷竦牡筒闶泳跆卣饔敫卟阌镆逍畔⒅涞摹坝镆搴沟”,首先按照语义信息的抽象程度给出了一个三层的图像语义模型。然后,基于该模型,阐述了用来表述图像内容的具有代表性的语义信息表示方法。最后,从分析枷竦奶氐闳胧郑钊胙芯客枷癫钜煨圆脑颍馐腔袢「咝У枷穹掷喾椒ǖ那疤帷枷裉卣饔呕谴鞼图像分类中的高维图像数据的重要手段。图像特征优化可被形式化定义成一个五元组模型。采用邻域重建和半径递增搜索策略,提出了一种基于球状邻域的局部线性嵌入不仅适用于稀疏数据集,而且具有较强的抗外界噪声能力和良好的拓扑结构稳定性。由于非线性维数约简通常采用基于点对的相似性计算去定义距离度量,又提出了一种基于球状邻域和路径聚类的局部线性嵌入S捎贕充分利用了数据相浙江人学博貉宦畚
关性,有效减轻了数据集的整体拓扑结构的失真现象。在枷窦系氖笛榻果显示了虶的可行性和有效性。既返卮覹图像中提取感兴趣区域翘嵘齏图像分类性能的关键。提出了一种新的图像分割策略,包含粗分割和精分割两个阶段。在第一阶段中,采用基于颜色和纹理特征的块聚类方法将一幅图像划分成四个区域,并依照摄影构图法则将颖尘爸星殖隼础4私锥斡美慈范勘昵颉T诘诙阶段中,利用形状信息和矢量方法构建了一个活动轮廓模型,图像能量来自于色度梯度,外部能量来自于三角形内心引力和补力。此阶段用来精确地提取目标的边界。通过对枷窠惺笛椋橹ち颂岢龅耐枷穹指罘椒ǖ挠行浴嫦蛲枷窦呐矸掷嘣嚼丛绞艿窖芯空叩墓刈ⅰNA颂岣遅图像分类的准确率,提出了一个建立在图像语义的不同粒度层次上的分层次图像分类模型。定义了两种新的非线性流形:多类对象流形和单类场景模型。在对象层上的分类中,根据不同语义类别图像之间的类内差异和类阳钜欤美┱沟木植线性嵌入算法构建了一个多类对象流形。在场景层上的分类中,依照不同场景为同一种语义类别的图像构建了一个单类场景流形,并基于区域增长和线性扰动,提出了一种线性子流形自动生成算法。提出的面向对象的分层次图像分类模型的性能在枷窦辖辛瞬馐浴攵訵图像分类的复杂性,提出了一种基于双流形学习的图像分类方法,将图像分类问题从高维空间转换到低维空间中解决。首先,利用吕嗤枷和反例类图像之问的显著差异,分开建立两个带有不同固有维数的非线性流形。然后,借助于哂械南嗨菩允菥奂奶匦裕范ǜ鞲隽餍蔚木奂行摹最后,应用在基于双流形的距离度量上构造的分类器,实现了基于全局的图像分类,克服了建立在整体流形上的分类方法无法反映数据之间真实关系的缺陷。在枷窦系氖笛榻峁砻髁颂岢龅幕谌ň值耐枷穹掷喾椒ㄊ歉咝У摹关键词:枷穹掷啵镆逋枷窭斫猓枷裼镆迥P停餍窝埃植肯咝嵌入,特征优化,感兴趣区域分割,活动轮廓模型,语义粒度摘受浙江人学博貉宦畚
皊甈...,,.琲,..,—琭瑆瓵,,瓼,浙江人学博貉宦畚,.甌