基于相容信息粒度空间的图像分类

摘要

相容信息粒度空间是一种基于相容关系构建的粒度计算模型，该模型的优势在于对现有知识、资源和信息能进行不同层次和不同粗细程度的粒化并构建粒之间的关系，从而更好地发掘这些知识和资源所包含的有用信息，并提供一种对其本质更好的洞察力。 本文在学习和研究粒计算基本理论与技术的基础上，着重分析了相容信息粒度空间原理，提出了一种基于相容信息粒度空间的规则提取算法；并将其应用于图像模式识别领域，以图像为背景着重研究了图像特征相容信息粒的构建、图像特征相容信息粒的处理、以及图像特征相容信息粒之间的运算等；通过分析研究不同粒度的图像特征相容信息粒所形成相容粒度空间，给出了基于图像特征相容信息粒度空间的分类器；对五个不同图像类数据进行了模拟分类实验，实验结果表明所提出的基于相容信息粒度空间的图像分类器是有效的；最后结合图像空间分布信息，改进上述算法，构造基于图像全局-局部特征的图像层次性分类器，提高了分类正确率，并开发出相应的演示系统。 论文的最后部分对本文进行了总结，分析了有待改进的方面，同时展望了信息粒和粒计算技术在图像分类领域的进一步研究的方向。

目录

文摘

英文文摘

声明

第1章 绪论

1.1课题来源和研究意义

1.2粒计算理论发展综述[2]

1.2.1起源

1.2.2研究现状及应用

1.3图像分类检索发展综述[36]

1.3.1图像分类检索发展

1.3.2图像分类检索发展现状

1.4本文的主要研究内容

1.5本文的组织结构

第2章 粒计算理论

2.1引言

2.2粒计算的理论模型[54]

2.2.1基于词计算的理论模型

2.2.2基于商空间的理论模型

2.2.3基于粗糙集的理论模型

2.3粒计算模型之间的关系[54]

2.4粒计算的基本概念[54]

2.4.1粒的基本问题

2.4.2粒的基本组成

2.5粒计算应用研究

2.6本章小结

第3章 图像信息的描述及特征提取

3.1引言

3.2图像特征——颜色(Color Feature，CF)

3.2.1颜色特征概述

3.2.2颜色特征提取

3.3图像特征——纹理(Texture Feature，TF)

3.3.1纹理特征概述

3.3.2纹理特征提取

3.4图像特征——形状(Shape Feature，SF))

3.4.1形状特征概述

3.4.2形状特征提取

3.5本章小结

第4章 基于相容信息粒度空间的图像分类模型

4.1引言

4.2相容信息粒

4.2.1相容关系[24]

4.2.2相容信息粒度空间

4.2.3基于相容信息粒度空间的规则置信度

4.3基于相容信息粒的规则提取算法(TGR)

4.4基于相容信息粒的图像分类器

4.4.1基于图像特征的相容信息系统

4.4.2生成图像分类器

4.4.3测试图像分类器

4.5本章小结

第5章 图像分类的实验

5.1引言

5.2预处理——图像特征的离散化

5.3构造最佳图像分类器

5.3.1生成图像特征相容粒

5.3.2测试图像分类器

5.4与其他算法比较

5.4.1测试样本集数据

5.4.2测试新数据

5.5本章小结

第6章 基于相容信息粒度空间的图像分块分类方法

6.1引言

6.2图像分层

6.3构造层次性图像分类器

6.3.1设计原理

6.3.2实现步骤

6.3.3具体问题以及解决方案

6.4测试

6.4.1粒度大小的选择

6.4.2相似度阀值的选择

6.4.3测试分类器效果

6.5系统介绍

6.6本章小结

第7章 结束语

7.1总结

7.2展望

致谢

参考文献

攻读学位期间的研究成果