学位论文 > 优秀研究生学位论文题录展示
基于SIFT特征和SVM的场景分类
作 者: 黄万继
导 师: 张洁琳
学 校: 大连理工大学
专 业: 计算数学
关键词: SIFT特征 SVM 场景分类 模式识别 机器学习
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 223次
引 用: 0次
阅 读: 论文下载
内容摘要
场景分类是计算机视觉领域中的一个基础处理过程,在模式识别、机器学习、图像内容理解、图像检索等中扮演重要角色。在特征提取中,经典的SIFT特征因具有对图像的平移、旋转、缩放、甚至对仿射变换保持不变性且具有良好的显着性和鲁棒性而得到广泛应用。而作为分类器之一,SVM以小样本统计机器学习理论为基础,无需依赖于设计者的经验及先验知识,避免了神经网络实现中的经验成分,而且SVM算法最终转化为凸优化问题,具有全局最优性等诸多优点。本文尝试将SIFT特征算法和SVM结合用于场景图像分类识别中。本文主要内容包括:首先对场景分类、SIFT特征、SVM的研究现状进行了概述,然后重点介绍了提取SIFT特征点和SVM分类算法。然后,基于SIFT特征和非线性SVM提出了场景图像分类系统的理论框架。具体工作包括:场景图像的预处理,即将彩色图像变成灰度图像,同时将图像缩放到相同大小尺寸;提出基于SIFT特征和SVM的场景分类算法,先用SIFT算法得到每个场景中各个图像的SIFT特征点,以向量形式存贮,再以这些特征向量作为SVM的原始输入数据进行训练分类。最后,通过数值实验,一方面比较用不同特征点数目的分类正确率,同时还与传统分类方法进行了效果比较。实验结果表明,本文的基于SIFT特征和SVM场景分类在准确率上高于几种传统的方法。
|
全文目录
摘要 4-5 Abstract 5-8 1 绪论 8-12 1.1 场景分类的研究背景 8 1.2 场景分类的研究现状 8-9 1.3 图像局部特征的研究现状 9 1.4 支持向量机的研究现状 9-11 1.5 论文的主要工作 11 1.6 论文的结构组织 11-12 2 基于SIFT特征提取算法 12-26 2.1 尺度空间理论 12-21 2.1.1 一般尺度空间 13-16 2.1.2 Pyramid尺度空间 16-18 2.1.3 SIFT尺度空间 18-21 2.2 特征点位置检测 21-23 2.3 确定特征点的方向 23-24 2.4 生成SIFT特征点描述子 24-26 3 线性不可分支持向量机分类器设计 26-34 3.1 最优分类超平面 26-27 3.2 线性不可分支持向量机 27-31 3.3 再生核Hilbert空间 31-34 4 实验及其结果分析 34-42 4.1 实验环境 34-35 4.2 SIFT算法结合SVM场景分类算法的基本框架 35-36 4.3 实验及其结果分析 36-42 4.3.1 不同数目特征点的分类 39 4.3.2 同传统方法比较 39-42 结论 42-44 参考文献 44-48 攻读硕士学位期间发表学术论文情况 48-49 致谢 49-50
|
相似论文
- 基于流形学习的高维流场数据分类研究,V231.3
- 基于仿生模式识别的文本分类技术研究,TP391.1
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于SVM分类算法的主题爬虫研究,TP391.3
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 基于回波包络的超声波入侵探测在军队警戒巡逻中的应用,E919
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 基于数据分布特征的文本分类研究,TP391.1
- 海南雾的天气气候特征分析及预报方法研究,P457
- 基于粗糙集和模糊SVM的车牌识别技术研究,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 空间信息处理中基于模糊技术的数学模型的改进,O159
- 基于API Hook技术的Bot检测方法的研究与实现,TP393.08
- 基于条件随机场的中文分词技术的研究与实现,TP391.1
- 基于SVM和形状特征的电极三维模型分类检索的研究,TP391.41
- 基于广义动态模糊神经网络的肌电信号模式识别系统,TP183
- 表格手写内容识别系统的设计与实现,TP391.41
- 领域知识指导的半监督学习和主动学习倾向性分类研究,TP181
- PID参数自整定的研究与应用,TP273
- Android恶意软件静态检测方案的研究,TP309
- 基于相似性测量检测图像型垃圾邮件技术的研究,TP393.098
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|