基于支持向量回歸模型的圖像分類研究.pdf

1、隨著技術(shù)和社會(huì)的進(jìn)步，圖像成為越來越重要的信息載體，如何對圖像信息進(jìn)行有效的處理成為目前研究越來越重要的內(nèi)容，為了能讓計(jì)算機(jī)快速合理的處理各種圖像信息，有必要對圖像進(jìn)行分類。但在圖像在成像、存儲(chǔ)等過程中難免會(huì)產(chǎn)生噪聲，破壞圖像的質(zhì)量，影響了圖像分類的結(jié)果，為了能提高分類的準(zhǔn)確率，因此在分類前需要對圖像進(jìn)行去噪預(yù)處理。
　　 支持向量機(jī)(Support Vector Machines，SVM)是近年來興起的基于統(tǒng)計(jì)學(xué)習(xí)理論的一種新

2、機(jī)器學(xué)習(xí)算法，能有效的處理線性問題及非線性問題的分類和回歸。目前SVM已經(jīng)用于處理圖像去噪和分類問題，但SVM在這兩個(gè)方面的應(yīng)用仍然是研究的熱點(diǎn)。
　　 本文使用基于SVM回歸模型來實(shí)現(xiàn)圖像濾波和圖像分類，然后通過實(shí)驗(yàn)來驗(yàn)證方法的可行性。本文研究具體內(nèi)容如下：
　　 (1)圖像的生成、存儲(chǔ)、傳輸?shù)冗^程中，不可避免的會(huì)產(chǎn)生黑白噪聲點(diǎn)即椒鹽噪聲，為了能去除這些噪聲點(diǎn)，本文給出了一種基于支持向量回歸模型的去噪方法，具體是通過先

3、使用MAX-MIN方法檢測出噪聲點(diǎn)，利用未被污染的信號(hào)點(diǎn)構(gòu)建回歸函數(shù)，來回歸噪聲點(diǎn)的灰度值，該方法能有效的保護(hù)圖像細(xì)節(jié)和邊緣信息。
　　 (2)為了解決二叉樹SVM在分類過程的重分問題，給出了一種基于貝葉斯決策原理的二叉樹SVM，即bd-BTS。鑒于本文中為了更好的提高分類的準(zhǔn)確類，給出了一種基于SVM回歸模型的分類方法，該方法在使用圖像特征進(jìn)行構(gòu)建分類決策函數(shù)時(shí)，同時(shí)使用這些圖像特征來構(gòu)建圖像的SVM回歸區(qū)間。在使用該分類方法

4、分類的過程中，判斷由bd-BTS分類得到的結(jié)果是否落在回歸區(qū)間中，把落入回歸區(qū)間的作為結(jié)果輸出。
　　 (3)在最后通過使用MATLAB平臺(tái)和LIBSVM-mat軟件包對本實(shí)驗(yàn)中的濾波方法和分類方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。在濾波方面使用基于SVM回歸模型的濾波方法與其他方法進(jìn)行對比實(shí)驗(yàn)。在分類中，使用了基于SVM回歸模型分類方法及bd-BTS分類方法與其他常用的SVM方法進(jìn)行了對比實(shí)驗(yàn)。同時(shí)還使用本文給出的分類方法對受污染的圖像和污染處