基于svm图像分类C语言,基于SVM的图像分类

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