基于異常點檢測的圖像分類技術(shù)研究.pdf

1、多媒體技術(shù)的廣泛應(yīng)用與互聯(lián)網(wǎng)日益成為我們生活中的一部分,帶來了大量的數(shù)字圖像。圖像分類正是在這樣的一個環(huán)境下提出和發(fā)展起來的。根據(jù)圖像的內(nèi)容把圖像劃分到正確的類別,不僅有助于提高網(wǎng)絡(luò)圖像檢索的準(zhǔn)確性,也有助于對圖像數(shù)據(jù)進行科學(xué)有效的組織和管理。如何科學(xué)、準(zhǔn)確的對圖像數(shù)據(jù)進行分類,是多媒體技術(shù)的一個重要研究內(nèi)容。
　　數(shù)字圖像的類型有很多,包括彩色圖像、灰度圖像、紅外圖像等,本文主要研究灰度圖像和彩色圖像的分類問題。近年來,圖像特征

2、提取技術(shù)和機器學(xué)習(xí)算法都有長足的發(fā)展,但是,由于分類器分類模式的差異和圖像集視覺內(nèi)容的差異,沒有一種普適的特征或者分類器可以很好的解決所有圖像集的分類問題。因此,從廣義上提高分類器性能的分類器設(shè)計方法,分類器融合方法應(yīng)運而生。本文引入了數(shù)據(jù)挖掘領(lǐng)域異常點檢測的思想,檢測出初始分類可能錯分的圖像,提供給后處理模塊的分類器,通過分類器之間的互補和有效的異常點檢測實現(xiàn)了圖像的有效分類。本文主要工作如下:
　　1.基于 SVM方法實現(xiàn)了圖

3、像的初始分類。分析比較了多種類型的圖像視覺特征,選擇典型的形狀、紋理和 SIFT特征的組合表示圖像,采用多分類的SVM算法實現(xiàn)了圖像的初始分類,實驗驗證了方法的有效性。
　　2.將基于角度的高維異常點檢測算法應(yīng)用于圖像分類結(jié)果判別。在異常點檢測領(lǐng)域,低維異常點指幾維或十幾維的數(shù)據(jù),其余屬于高維異常點檢測的范疇。本文通過引入高維異常點檢測算法,選擇出初始分類可能錯分的圖像,提供給分類結(jié)果優(yōu)化模塊重新分類。
　　3.提出了基于異

4、常點檢測的圖像分類結(jié)果優(yōu)化方法。針對異常點檢測獲得的可能錯分的圖像,采用最大熵分類算法獲得圖像的類別,替換初始分類獲得的圖像類別。通過分類器性能的互補和有效的異常點檢測算法達到提高圖像分類系統(tǒng)性能的目的。
　　4.設(shè)計并實現(xiàn)了基于異常點檢測的圖像分類實驗系統(tǒng),能夠?qū)崿F(xiàn)對灰度圖像和彩色圖像的處理。系統(tǒng)在對圖像進行初始分類后,采用異常點檢測算法獲得可能錯分的圖像,接著對可能錯分的圖像重新分類。針對訓(xùn)練集,首先提取視覺特征,然后學(xué)習(xí) S