基于SIFT圖像識別算法的優(yōu)化與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)社交的日漸繁榮，以圖搜圖的需求也在日益增長，但是圖像搜索引擎在解決圖像識別的準確性和匹配速率上有許多不足。為了改善圖像搜索的識別效果，提高圖像識別的效率和準確率，本文主要研究了基于尺度不變特征轉(zhuǎn)換（Scale invariant feature transform，SIFT）的圖像特征提取算法，并編寫了圖像識別檢索系統(tǒng)。以圖像預(yù)處理為基礎(chǔ)，通過利用SIFT算法提取圖像特征向量，并對該算法進行優(yōu)化，從而提高識別性能。針對SIFT

2、算法對圖像的識別率較低和特征向量維數(shù)過高等方面的不足，本論文提出了利用主成分析法(Principal Components Analysis，PCA）來降低特征向量的維數(shù)和通過加入基于支持向量機(Support Vector Machine,SVM）的機器學(xué)習算法，來提高算法的識別率，從而提高了圖像識別系統(tǒng)的性能，并且通過實驗數(shù)據(jù)表明了SIFT-PCA-SVM算法的有效性。論文最后搭建了一個圖像識別系統(tǒng)，該系統(tǒng)能夠從測試圖像數(shù)據(jù)集中準確

3、的識別目標圖像。本論文的主要研究內(nèi)容如下：
　?。?）結(jié)合SIFT圖像特征提取算法，分析了該算法的不足，針對SIFT算法存在特征維數(shù)過高和識別率較低等問題，提出了一種比較新穎的SIFT-PCA-SVM算法。通過 PCA算法降低 SIFT特征向量的維數(shù)和通過基于機器學(xué)習的SVM算法提高圖像識別正確率。
　?。?）針對本文提出的 SIFT-PCA-SVM算法，搭建了一個圖像識別系統(tǒng)。通過構(gòu)建測試圖像集，對比兩種算法的有效性。實驗