学位论文 > 优秀研究生学位论文题录展示

基于综合特征的图像语义分类技术的研究

作　者: 伍卉
导　师: 李仁发
学　校: 湖南大学
专　业: 计算机科学与技术
关键词: 图像分类 特征提取 多类分类器 支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 106次
引　用: 1次
阅　读: 论文下载
 

内容摘要


随着多媒体技术的发展,图像信息应用越来越广泛,人们对于图像等多媒体数据的需求也越来越强烈。图像具有丰富的高层语义,高层语义概念更符合人们对图像的理解,基于语义的图像分类和理解技术便应运而生。在多媒体和模式识别领域相关知识指导下,基于语义的图像分类技术代表着图像理解发展的方向。本文结合支持向量机研究了基于综合特征的图像语义分类方法。本文首先介绍了图像分类技术的发展和研究现状,研究了图像内容的描述方式以及支持向量机的基本原理和核函数模型,为后续的研究提供了理论基础。然后,本文研究了图像综合特征的提取问题。核主成分分析法是一种常用的综合特征提取方法,这种方法的缺点是求解图像特征核矩阵的计算十分耗时,针对这个问题,我们提出了一种基于施密特正交化的核主成分分析法。该方法改进了核主成分分析方法中耗时的特征分解过程,通过施密特正交化核矩阵,避免了原始方法中直接求解特征值和特征向量的过程,具有较低的计算复杂度。实验证明这两种方法提取出的特征与原始特征的均方误差(即波动程度)相差不大,但是改进算法的计算时间明显少于原来的算法。接着本文研究了多类分类器的构造问题,由于支持向量机最初是用于解决二类分类问题的,由此需要一定的策略组合这些二类分类支持向量机。一对一多类分类方法具有训练时间短、错误率低的优点,但是当某些二类分类器分类效果不佳时会严重影响分类性能。针对这个问题,本文引入了交叉验证正确率作为分量分类器的权值,交叉验证是一种基于重采样技术评估分类器的分类正确率和泛化能力的数学方法,因此采用交叉验证正确率作为权值能够保证具有最高分类性能的分量分类器对最终的分类结果作的贡献最大。实验证明改进的算法分类正确率要高于原来的算法。在以上研究基础上,本文建立了一个基于语义的图像分类系统,系统可以提取图像的底层特征和选择支持向量机的参数,主要功能是检验不同条件下的图像分类性能,为前述的研究作出实验结果验证。本文介绍了系统的组成和框架,给出了一些图像分类的实例和实验数据。在实验部分,我们根据实验结果分析了具有较优分类性能的特征表示方法和支持向量机核函数选取方式,采用这些参数能够使得图像分类具有更高的准确率。

全文目录


摘要  5-6
ABSTRACT  6-13
第1章 绪论  13-16
  1.1 研究背景与意义  13-14
  1.2 本文主要研究内容  14-15
  1.3 本文组织安排  15-16
第2章 图像分类相关技术概述  16-29
  2.1 引言  16
  2.2 国内外文献综述  16-20
    2.2.1 概率统计方法  16-18
    2.2.2 统计学习方法  18-19
    2.2.3 语义模板方法  19-20
    2.2.4 其他方法  20
  2.3 图像内容的描述  20-23
    2.3.1 颜色直方图  21
    2.3.2 颜色累积直方图  21
    2.3.3 颜色矩  21-22
    2.3.4 灰度共生矩阵  22-23
  2.4 用于分类的支持向量机  23-28
    2.4.1 基本原理  24-27
    2.4.2 核函数  27
    2.4.3 惩罚因子  27-28
  2.5 小结  28-29
第3章 图像综合特征的提取  29-40
  3.1 引言  29
  3.2 特征融合方法概述  29-30
  3.3 改进的综合特征提取算法  30-36
    3.3.1 核主成分分析法  30-32
    3.3.2 改进的核主成分分析法  32-34
    3.3.3 改进算法的实现  34-35
    3.3.4 算法复杂度分析  35-36
  3.4 实验与分析  36-39
    3.4.1 实验流程  36-37
    3.4.2 评价指标  37
    3.4.3 实验结果与分析  37-39
  3.5 小结  39-40
第4章 多类分类器的构造  40-50
  4.1 引言  40
  4.2 多类分类算法概述  40-41
  4.3 改进的多类分类算法  41-46
    4.3.1 一对一方法  41-42
    4.3.2 改进的一对一方法  42-44
    4.3.3 改进算法的实现  44-45
    4.3.4 算法复杂度分析  45-46
  4.4 实验及分析  46-49
    4.4.1 实验流程  46-47
    4.4.2 评价指标  47-48
    4.4.3 实验结果与分析  48-49
  4.5 小结  49-50
第5章 图像分类系统  50-60
  5.1 引言  50
  5.2 系统框架  50-54
    5.2.1 系统框架图  50-51
    5.2.2 系统模块设计  51-52
    5.2.3 图像库构造  52-54
  5.3 实验及分析  54-59
    5.3.1 单一特征与综合特征的分类结果比较  54-55
    5.3.2 神经网络与支持向量机的分类性能比较  55-56
    5.3.3 三种核函数的分类结果比较  56-59
  5.4 小结  59-60
结论  60-62
参考文献  62-66
致谢  66-67
附录 A 攻读硕士学位期间所发表的学术论文目录  67

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  3. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  4. 音乐结构自动分析研究,TN912.3
  5. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  6. Q学习在基于内容图像检索技术中的应用,TP391.41
  7. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  8. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  9. 空间交会接近视觉测量方法研究,TP391.41
  10. 图像实时采集、存储与处理方法研究,TP391.41
  11. 唇读中的特征提取、选择与融合,TP391.41
  12. 多币种纸币处理技术的研究与实现,TP391.41
  13. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  14. 基于图像的路面破损识别,TP391.41
  15. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  16. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  17. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  18. 红外图像目标识别及跟踪技术研究,TP391.41
  19. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  20. 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
  21. 基于“词袋”模型的图像分类系统,TP391.41

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