内容介绍
原文档由会员 马甲线女神 发布
基于SVM的图像分类
CLASSIFYING IMAGES WITH SVM METHOD
1.53万字 32页 原创作品,已通过查重系统
摘要:SVM能够解决线性及非线性分类问题,以较少的支持量确定分类面,对样本数量及维数不敏感。近年来,随着计算机技术的发展更新以及图像数据库的日益增多,如何从中快速提取视觉信息越来越受到人们的重视,对图像数据库的分类和检索成为获取图像信息的重要研究问题之一。而图像分类能够减小图像检索范围,使检索效果更加明显,因此图像分类有着极其重要的实用价值。图像分类的研究主要集中在以下两个问题:图像特征的提取和利用学习器对特征进行分类。
一是提出了一种彩色 Gabor 纹理特征和 SVM 的图像分类方法,在特征提取部分避免了部分颜色纹理的丢失。Gabor 小波在对纹理灰度图像特征提取中有较好的表现,然而对于彩色自然图像中的纹理特征提取则容易丢失部分彩色信息,而在图像的 RGB 三通道中分别提取纹理特征,形成彩色图像的伪彩色纹理特征,用于分类,则能够保留部分彩色图像的彩色信息。
二是提出了一种基于多特征融合和 SVM 的智能图像分类算法。对于一幅自然图像,其单一的底层特征往往不能较为全面的表示图像的信息,本文先利用每个单独的底层特征训练出一个 SVM 分类器,然后用粒子群优化(Particle Swarm Optimization,PSO)来确定每个分类器的权重,找到最优的参数设置,最后进行投票,对彩色图像进行分类。通过对自然图像库 Corel 1000 图像库进行实验对比,验证了本文所提的基于多特征融合和 SVM 的算法对自然图像有较好的分类效果。
关键词:图像分类;黑白照片;彩色照片;特征;Gabor 小波