基于支持向量機(jī)的圖像處理方法研究.pdf

1、支持向量機(jī)(Support Vector Machines, SVM)是Vapnik等人提出的一類(lèi)新型機(jī)器學(xué)習(xí)方法,由于其出色的學(xué)習(xí)性能,該技術(shù)己成為機(jī)器學(xué)習(xí)界的研究熱點(diǎn),并在很多領(lǐng)域都得到了成功的應(yīng)用,如人臉檢測(cè)、手寫(xiě)體數(shù)字識(shí)別、文本分類(lèi)等。這些領(lǐng)域大多集中在模式識(shí)別方面,但是作為一種新興技術(shù),SVM在很多應(yīng)用領(lǐng)域的研究有待探索和完善,本文在此研究背景下,利用SVM理論的一個(gè)重要分支支持向量回歸機(jī)(Support Vector Reg

2、ression, SVR)理論,在圖像除模式識(shí)別以外的方面的進(jìn)行了研究,主要研究如下:1:介紹了支持向量機(jī)的基礎(chǔ)統(tǒng)計(jì)學(xué)習(xí)理論以及SVM的基本算法,提出了基于SVR理論的圖像表示方法;2:把傳統(tǒng)的圖像處理方法應(yīng)用到SVR圖像中取得了一定的效果,如圖像幾何變換、圖像高斯濾波、圖像增強(qiáng),SVR圖像的數(shù)據(jù)壓縮與恢復(fù),為SVR作為圖像研究的工具打下了很好的基礎(chǔ);3:利用最小二乘支持向量機(jī)的回歸特性,對(duì)圖像像素鄰域的灰度值進(jìn)行曲面擬合,建立了圖像鄰