采用支持向量機(jī)的紋理圖像分類(lèi).pdf

1、基于內(nèi)容的圖像檢索(Content-Based Image Retrieval)研究的目的是實(shí)現(xiàn)自動(dòng)地、智能地檢索圖像,研究的對(duì)象是使查詢(xún)者可以方便、快速、準(zhǔn)確地從圖像數(shù)據(jù)庫(kù)中查找特定圖像的方法和技術(shù)。紋理特征的分類(lèi)是紋理CBIR系統(tǒng)的關(guān)鍵技術(shù),然而傳統(tǒng)的統(tǒng)計(jì)預(yù)測(cè)方法需要很強(qiáng)的先驗(yàn)知識(shí),研究的前提是樣本數(shù)目趨于無(wú)窮大時(shí)的漸進(jìn)理論。受維數(shù)影響較大,維數(shù)增加有時(shí)導(dǎo)致了分類(lèi)性能的下將,這就限制了它們?cè)诩y理非線(xiàn)性分類(lèi)中的應(yīng)用。因?yàn)樵谶M(jìn)行紋理非線(xiàn)

2、性分類(lèi)中,需要把低維特征映射到高維空間,維數(shù)必然增加。所以為了有效的進(jìn)行紋理非線(xiàn)性分類(lèi)這就需要一種受維數(shù)影響較少的方法。
　　 進(jìn)行紋理分類(lèi)前先要提取紋理特征,本文采用Gabor小波的方法對(duì)紋理特征進(jìn)行提取。以往構(gòu)造Gabor小波濾波器時(shí),參數(shù)的選擇沒(méi)有統(tǒng)一的方法,不同的作者采用不同的參數(shù),原因在于對(duì)于各個(gè)參數(shù)的作用不明了。本文通過(guò)仔細(xì)設(shè)計(jì)的實(shí)驗(yàn)方法,對(duì)Gabor小波各個(gè)參數(shù)在紋理分類(lèi)中的作用進(jìn)行了研究,發(fā)現(xiàn)了各個(gè)參數(shù)的重要性,

3、得到的結(jié)果對(duì)于濾波器的構(gòu)造具有指導(dǎo)意義。基于線(xiàn)性預(yù)測(cè)編碼和高斯方程本文構(gòu)造了一種新的核函數(shù),并對(duì)核函數(shù)的可分性和局部性進(jìn)行了研究,結(jié)果表明提出的核函數(shù)對(duì)樣本具有良好的線(xiàn)性可分性和較強(qiáng)的插值能力,比較善于提取樣本的局部特征。最后利用多項(xiàng)式核函數(shù)善于全局特性的優(yōu)點(diǎn),把提出的核函數(shù)和多項(xiàng)式核函數(shù)結(jié)合得到一個(gè)最終的核函數(shù)和支持向量機(jī)LG-SVM。
　　 在進(jìn)行的紋理分類(lèi)實(shí)驗(yàn)中,本文提出的方法與兩種傳統(tǒng)的紋理分類(lèi)方法進(jìn)行比較,結(jié)果表明本文