基于綜合特征的圖像語義分類技術(shù)的研究.pdf

1、隨著多媒體技術(shù)的發(fā)展，圖像信息應(yīng)用越來越廣泛，人們對(duì)于圖像等多媒體數(shù)據(jù)的需求也越來越強(qiáng)烈。圖像具有豐富的高層語義，高層語義概念更符合人們對(duì)圖像的理解，基于語義的圖像分類和理解技術(shù)便應(yīng)運(yùn)而生。在多媒體和模式識(shí)別領(lǐng)域相關(guān)知識(shí)指導(dǎo)下，基于語義的圖像分類技術(shù)代表著圖像理解發(fā)展的方向。本文結(jié)合支持向量機(jī)研究了基于綜合特征的圖像語義分類方法。 本文首先介紹了圖像分類技術(shù)的發(fā)展和研究現(xiàn)狀，研究了圖像內(nèi)容的描述方式以及支持向量機(jī)的基本原理和核函

2、數(shù)模型，為后續(xù)的研究提供了理論基礎(chǔ)。 然后，本文研究了圖像綜合特征的提取問題。核主成分分析法是一種常用的綜合特征提取方法，這種方法的缺點(diǎn)是求解圖像特征核矩陣的計(jì)算十分耗時(shí)，針對(duì)這個(gè)問題，我們提出了一種基于施密特正交化的核主成分分析法。該方法改進(jìn)了核主成分分析方法中耗時(shí)的特征分解過程，通過施密特正交化核矩陣，避免了原始方法中直接求解特征值和特征向量的過程，具有較低的計(jì)算復(fù)雜度。實(shí)驗(yàn)證明這兩種方法提取出的特征與原始特征的均方誤差（即

3、波動(dòng)程度）相差不大，但是改進(jìn)算法的計(jì)算時(shí)間明顯少于原來的算法。 接著本文研究了多類分類器的構(gòu)造問題，由于支持向量機(jī)最初是用于解決二類分類問題的，由此需要一定的策略組合這些二類分類支持向量機(jī)。一對(duì)一多類分類方法具有訓(xùn)練時(shí)間短、錯(cuò)誤率低的優(yōu)點(diǎn)，但是當(dāng)某些二類分類器分類效果不佳時(shí)會(huì)嚴(yán)重影響分類性能。針對(duì)這個(gè)問題，本文引入了交叉驗(yàn)證正確率作為分量分類器的權(quán)值，交叉驗(yàn)證是一種基于重采樣技術(shù)評(píng)估分類器的分類正確率和泛化能力的數(shù)學(xué)方法，因此采

4、用交叉驗(yàn)證正確率作為權(quán)值能夠保證具有最高分類性能的分量分類器對(duì)最終的分類結(jié)果作的貢獻(xiàn)最大。實(shí)驗(yàn)證明改進(jìn)的算法分類正確率要高于原來的算法。 在以上研究基礎(chǔ)上，本文建立了一個(gè)基于語義的圖像分類系統(tǒng)，系統(tǒng)可以提取圖像的底層特征和選擇支持向量機(jī)的參數(shù)，主要功能是檢驗(yàn)不同條件下的圖像分類性能，為前述的研究作出實(shí)驗(yàn)結(jié)果驗(yàn)證。本文介紹了系統(tǒng)的組成和框架，給出了一些圖像分類的實(shí)例和實(shí)驗(yàn)數(shù)據(jù)。在實(shí)驗(yàn)部分，我們根據(jù)實(shí)驗(yàn)結(jié)果分析了具有較優(yōu)分類性能的特