面向全局圖像表達的尺度優(yōu)化選擇.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、我們生活在一個由具有不同尺度的目標所組成的世界中。這些尺度的不同由物體本身的屬性,實體之間的層次關系,以及人眼接收信息時存在的透視投影等原因所構成。在計算機視覺領域中,我們接收到的信息也分布于一定范圍內(nèi)的尺度當中。當我們在接收這些信息,并要把這些信息理解為有意義的內(nèi)容時,我們就要在不同的尺度范圍內(nèi)進行研宄,把其不同尺度的具體信息和不同尺度下的高層抽象概念相對應,進而進行接下來的其他諸如圖像識別、場景分類、圖像處理等諸多計算機視覺任務。<

2、br>  圖像的尺度問題分析已經(jīng)成為研宄工作中不可回避的問題,本文系統(tǒng)的分析了圖像尺度問題中的現(xiàn)狀,以全局尺度選擇為目的,分別從圖像的連續(xù)性,圖像特征的重復性,全局范圍內(nèi)場景圖像的尺度分析,以及視覺顯著度理論這幾個個角度出發(fā),認為圖像在全局范圍內(nèi)存在某些約束下的最優(yōu)尺度,同時提出了全局范圍內(nèi)的全局最優(yōu)尺度理論,并對其進行了論證和闡述。
  尺度選取和特征選擇的工作是密不可分的,尺度選擇工作必須融合進特征選擇工作中才具有視覺理解的意

3、義。然而尺度選擇在特征提取方面的主要應用為在多尺度下的興趣點檢測,卻在另一種,在計算機視覺中愈發(fā)重要的特征密集采樣中被忽略。同時密集采樣具有信息量大的特點,將圖像在某一固定尺度下進行采樣,可以看作是圖像在全局范圍內(nèi)的尺度。
  本文將由不同尺度的目標組成全局的圖像看作是不同子空間組成的混合數(shù)據(jù),將求解每個具有最佳尺度的目標的問題轉(zhuǎn)化成子空間分割問題。利用低秩表達具有非常強的魯棒性,同時不受由于采取同一采樣尺度而帶來的數(shù)據(jù)損壞的影響

4、的特點,選取了低秩表達作為子空間分割方法,為尺度問題加入全局約束,有效地增強局部空間的一致性。同時采用增廣拉格朗日乘子法求解該低秩問題,對優(yōu)化問題進行了快速的求解。
  本文將提出的基于低秩表達的圖像全局尺度選取方法應用在場景圖像分類和服裝圖像分類中,在分類應用中取得了顯著的效果。本文創(chuàng)新性的提出了基于全局范圍的圖像尺度理論;彌補了尺度選擇在特征提取中密集采樣方法中的空缺,提出并公式化了密集采樣中尺度選擇的問題;將全局最優(yōu)尺度問題

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論