原文传递
面向交通场景的图像分类技术研究
| 论文题名： | 面向交通场景的图像分类技术研究 |
| 关键词： | 智能交通;图像分类;特征包;视频监控 |
| 摘要： | 由于智能交通视频监控技术的飞速发展，交通监控图像和视频的数量呈现出爆发式的增长，对于图像分类技术的需求也变得日益迫切。面向交通场景的图像分类技术旨在利用计算机将交通场景图像自动划分为不同的类别，它作为智能交通监控的关键技术，具有非常良好的应用前景。 本文的主要研究对象是交通场景图像分类技术，主要围绕图像的特征提取，表述以及分类三个方面而展开，其中主要的研究内容包括: 第一，本文采用的特征包模型提取了图像的SIFT特征，并形成视觉词汇表述，最后使用SVM分类器进行图像分类。 第二，由于特征包模型中没有考虑图像的空间信息，所以本文引进空间金字塔模型来改进特征包模型。该模型在图像特征空间上与图像块的上下文信息相结合，进行图像分类的结果与特征包模型相比有明显提高。 第三，传统的特征包模型和空间金字塔模型中向量量化方法的误差比较大，并且图像分类算法复杂度比较高，分类所需时间比较长。为了改进向量量化编码方法和SIFT描述子的不变性，本文分别引入了局部软分配编码方法和Color SIFT描述子，并且结合Liblinear分类器进行交通场景图像分类。本文提出的方法有效地提高了图像分类准确率，并且降低了图像分类的运算复杂度，减少了图像分类的运行时间，在一定程度上提高了SIFT描述子的不变性。 |
| 作者： | 张行 |
| 专业： | 交通运输工程 |
| 导师： | 陈俊周 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
