基于支持向量機的優(yōu)化在圖像分類中的應用研究.pdf

1、圖像分類是指將圖像自動識別到不同語義類別或是預先設定的不同圖像類別中。隨著多媒體技術的成熟運用,圖像自動分類在圖像檢索、視頻分類、網絡信息過濾、遙感系統定位、可視場景目標跟蹤等應用領域都成為一項關鍵任務。隨之,許多分類和圖像特征描述技術也得到了長足的發(fā)展。
　　繼人工神經網絡之后,支持向量機(SVM,Support Vector Machine)成為機器學習領域的一種十分有效和流行的方法,并在圖像識別分類方面得到廣泛應用。

2、　　目前基于支持向量機的圖像分類的實現前提是數字圖像特征提取,其中使用較為頻繁的圖像特征包括顏色特征、紋理特征、形狀特征及空間關系特征。為了拉近圖像的高層語義與底層語義的距離,則需要將組織圖像特征的方法用于分類器的訓練、學習。同時為了改進支持向量機分類器在圖像分類中的應用效果,還可對支持向量機的核函數及核參數進行優(yōu)化研究。
　　本文首先分析了國內外相關課題的研究動態(tài);其次簡述了SVM的圖像分類實現流程,詳細研究了各類圖像特征及目前

3、廣泛應用中的特征提取方法;再次通過對SVM分類器的常用核函數算法及核參數選擇方法的研究,為加強分類器的分類性能而提出優(yōu)化選擇SVM分類器核函數、核參數的方法,同時使用高效的圖像特征提取組織方法與之匹配以克服傳統核函數較少融合先驗知識的弱點;接著將標準圖像數據庫Caltech-101、Caltech-256作為分類樣本在Matlab平臺上對所提出的支持向量機優(yōu)化方法進行實驗對比、分析,驗證其中提到的優(yōu)化方法的有效性;最后總結了本文的主要工