基于底層特征和SVM的圖像分類.pdf

1、近年來,隨著計(jì)算機(jī)技術(shù)的發(fā)展更新以及圖像數(shù)據(jù)庫的日益增多,如何從中快速提取視覺信息越來越受到人們的重視,對(duì)圖像數(shù)據(jù)庫的分類和檢索成為獲取圖像信息的重要研究問題之一。而圖像分類能夠減小圖像檢索范圍,使檢索效果更加明顯,因此圖像分類有著極其重要的實(shí)用價(jià)值。圖像分類的研究主要集中在以下兩個(gè)問題:圖像特征的提取和利用學(xué)習(xí)器對(duì)特征進(jìn)行分類。圖像的紋理特征具有旋轉(zhuǎn)不變性,而圖像的顏色特征具有較強(qiáng)的魯棒性,它們是圖像中較為重要的兩種底層特征。

2、　　Gabor小波變換是在 Fourier分析的基礎(chǔ)之上發(fā)展起來的具有較好的信號(hào)和圖像處理的方法,它在圖像的紋理特征提取中能夠達(dá)到較好的效果,計(jì)算也較為簡(jiǎn)便。支持向量機(jī)(SupportVector Machine,SVM)是一種基于統(tǒng)計(jì)學(xué)理論的一種學(xué)習(xí)機(jī)器。它能夠?qū)⒃瓨颖究臻g中的非線性可分問題,并進(jìn)一步在線性可分的特征空間中進(jìn)行分類研究。本文主要基于Gabor小波和SVM完成了兩個(gè)工作:
　　一是提出了一種彩色Gabor紋理特征和

3、SVM的圖像分類方法,在特征提取部分避免了部分顏色紋理的丟失。Gabor小波在對(duì)紋理灰度圖像特征提取中有較好的表現(xiàn),然而對(duì)于彩色自然圖像中的紋理特征提取則容易丟失部分彩色信息,而在圖像的RGB三通道中分別提取紋理特征,形成彩色圖像的偽彩色紋理特征,用于分類,則能夠保留部分彩色圖像的彩色信息。利用 SVM對(duì)自然圖像庫Corel1000圖像庫進(jìn)行學(xué)習(xí)、分類、實(shí)驗(yàn)對(duì)比,驗(yàn)證了本文所提方法對(duì)自然圖像有較好的分類效果。
　　二是提出了一種基

4、于多特征融合和SVM的智能圖像分類算法。對(duì)于一幅自然圖像,其單一的底層特征往往不能較為全面的表示圖像的信息,本文先利用每個(gè)單獨(dú)的底層特征訓(xùn)練出一個(gè)SVM分類器,然后用粒子群優(yōu)化(Particle Swarm Optimization,PSO)來確定每個(gè)分類器的權(quán)重,找到最優(yōu)的參數(shù)設(shè)置,最后進(jìn)行投票,對(duì)彩色圖像進(jìn)行分類。通過對(duì)自然圖像庫Corel1000圖像庫進(jìn)行實(shí)驗(yàn)對(duì)比,驗(yàn)證了本文所提的基于多特征融合和 SVM的算法對(duì)自然圖像有較好的分