基于多尺度分析和SVM的紋理圖像分類(lèi)與檢索.pdf

1、隨著數(shù)字圖像數(shù)據(jù)庫(kù)的急劇膨脹，如何快速提取有用的視覺(jué)信息越來(lái)越受到人們的重視。對(duì)圖像的有效分類(lèi)與檢索成為獲取圖像信息的關(guān)鍵問(wèn)題。本文將圖像的分類(lèi)和檢索問(wèn)題分成兩個(gè)主要環(huán)節(jié)：對(duì)圖像的特征提取和利用學(xué)習(xí)工具對(duì)特征進(jìn)行分類(lèi)和檢索。 多尺度幾何分析是近幾年在小波變換基礎(chǔ)上發(fā)展起來(lái)的一類(lèi)有效的信號(hào)和圖像處理方法，它包括了脊波分析、曲線波分析、contourlet變換等多種形式。同小波分析不同，由于多尺度幾何分析方法中引入了方向因子，使得對(duì)

2、于二維的表征可以更加稀疏，因此其在圖像壓縮、特征提取、模式識(shí)別、圖像去噪等方面具有廣闊的應(yīng)用前景。因此本文就討論了采用小波和contourlet變換等多尺度分析工具進(jìn)行特征提取的效果。 支持向量機(jī)(Support Vector Machine，SVM)是一種通用學(xué)習(xí)機(jī)器，是統(tǒng)計(jì)學(xué)習(xí)理論的一種實(shí)現(xiàn)方法，它較好地實(shí)現(xiàn)了結(jié)構(gòu)風(fēng)險(xiǎn)最小化思想。為解決原空間數(shù)據(jù)的線性不可分問(wèn)題，通過(guò)核函數(shù)將輸入向量映射到一個(gè)高維的特征空間，并在該特征空間中

3、構(gòu)造最優(yōu)分類(lèi)面。由于其優(yōu)越的性能近年來(lái)獲得了廣泛的應(yīng)用。本文采用支持向量機(jī)作為分類(lèi)和檢索的學(xué)習(xí)機(jī)器。 本文的工作主要有： 1．掌紋識(shí)別作為一項(xiàng)生物識(shí)別的技術(shù)可用于實(shí)現(xiàn)安檢。本文把掌紋圖像看成一類(lèi)特殊的紋理圖像，提出了一種新穎的掌紋識(shí)別方案。應(yīng)用兩維的兩通道和三通道小波變換來(lái)得到低頻或高頻子帶圖像，然后將其系數(shù)或子帶能量作為特征進(jìn)行提取，再選擇支持向量機(jī)作為分類(lèi)器。實(shí)驗(yàn)結(jié)果證明了這是一個(gè)簡(jiǎn)單而有效的識(shí)別方案，正確識(shí)別率可達(dá)

4、100﹪。 2．本文采用了基于小波、contourlet變換等多尺度分析工具和SVM相關(guān)反饋的圖像檢索方案。對(duì)紋理圖像采用contourlet變換提取其特征，contourlet具有多尺度和多方向性，因此比小波變換能更好地提取紋理特征。然后聯(lián)合一類(lèi)和二類(lèi)支持向量機(jī)進(jìn)行檢索。首先使用一類(lèi)支持向量機(jī)來(lái)估計(jì)查詢樣本的特征向量在高維空間的分布情況，從而給出在沒(méi)有標(biāo)識(shí)的情況下，進(jìn)行初步學(xué)習(xí)探索得到的相似性排名。通過(guò)用戶反饋，得到帶有標(biāo)識(shí)的