基于SVM圖像分類方法的研究.pdf

1、圖像的自動(dòng)分類在許多領(lǐng)域都是一項(xiàng)關(guān)鍵的任務(wù),其中包括圖像檢索、可視場景的目標(biāo)檢測、網(wǎng)絡(luò)信息過濾、醫(yī)學(xué)圖像應(yīng)用等等。當(dāng)直接在圖像上進(jìn)行操作時(shí),傳統(tǒng)的分類方法由于數(shù)據(jù)的高維特性表現(xiàn)差,很難取得較好的效果。而支持向量機(jī)(Support Vector Machine,SVM)卻可以克服高維表示的缺陷,因此被廣泛運(yùn)用到圖像分類中。
　　 由于支持向量機(jī)的分類性能極大程度地依賴于核參數(shù)的選擇,因此,本文著重研究了核參數(shù)選擇方法,并利用不同的

2、顏色、紋理特征對圖像進(jìn)行分類。
　　 本文所做的主要工作如下:
　　 1.分析了支持向量機(jī)核函數(shù)中各個(gè)參數(shù)對分類模型的影響,使用網(wǎng)格搜索法和粒子群算法對模型中的參數(shù)進(jìn)行了優(yōu)化,比較各方法對SVM核參數(shù)的尋優(yōu)能力。
　　 2.對彩色圖像在HSV空間使用不同的量化方法提取顏色特征,針對傳統(tǒng)直方圖丟失顏色空間信息的情況,使用一種區(qū)域加權(quán)直方圖與顏色矩結(jié)合的顏色特征提取方法。紋理方面,使用灰度共生矩陣法、LBP分別提取出