English  |  正體中文  |  简体中文  |  Items with full text/Total items : 90452/105769 (86%)
Visitors : 11968223      Online Users : 394
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    ASIA unversity > 資訊學院 > 會議論文 >  Item 310904400/5861


    Please use this identifier to cite or link to this item: http://asiair.asia.edu.tw/ir/handle/310904400/5861


    Title: 植基於主成份分析與支援向量機的影像語意內容分析系統
    Authors: 張傳育;王宏仁;李綺芳
    Contributors: 國立雲林科技大學
    Keywords: 影像語意內容分析;支援向量機;主成份分析
    Date: 2007-12-20
    Issue Date: 2009-12-15
    Publisher: 亞洲大學資訊學院;中華電腦學會
    Abstract: 隨著數位相機的普及,數位影像的拍攝與取得變得極為容易,現行數位像機中幾乎都是以日期加上編號的方式來命名,造成日後影像檢索與管理上的困難。另外,由於數位影像、資料庫和網路技術的快速發展,對於大型資料庫而言,以內容(Content)為基礎的影像檢索(Image Retrieval)已成為一個重要的研究題目。另一方面,如何有效的管理大量的數位影像,特別是對於語意式的影像檢索系統而言,仍未獲致良好的解決方法。因此,我們將提出一個有效的影像語意內容分析技術,利用支援向量機(Support Vector Machine, SVM)結合低階的影像特徵以分析影像的內容,並計算影像中各種高階語意項目的成分,進而達到影像管理的目的。同時,由於影像特徵具高維度,我們進一步使用主成份分析(Principal Component Analysis, PCA)來分析影像特徵,從中選取有效及有鑑別度的影像特徵,以適當地降低SVM 的輸入特徵維度。實驗結果顯示,本論文提出的結合PCA 與SVM方法對於語意為基礎的照片分析具有高的準確度,而且分析的結果比較接近人類視覺的判斷,也比傳統的半徑式基底函數類神經網路(Radial Basis Function, RBF)的分析準確度高。
    Relation: 2007NCS全國計算機會議 12-20~21
    Appears in Collections:[資訊學院] 會議論文

    Files in This Item:

    File SizeFormat
    4043.pdf457KbAdobe PDF1283View/Open


    All items in ASIAIR are protected by copyright, with all rights reserved.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - Feedback