內(nèi)容可變的圖像分類.pdf

1、　　信息技術(shù)的不斷進步和網(wǎng)絡(luò)技術(shù)的蓬勃發(fā)展，使得數(shù)字圖像作為重要的信息載體成為互聯(lián)網(wǎng)信息中很重要的組成部分。隨著圖像數(shù)量的與日俱增，如何快速高效的管理圖像成為急需解決的一大難題。然而，圖像分類的出現(xiàn)使得這一棘手問題得到解決，因此成為圖像處理領(lǐng)域的一大研究熱點。近些年來研究者大多集中于基于內(nèi)容的圖像分類研究。然而圖像包含的內(nèi)容是極為豐富的，按照不同的內(nèi)容可以將圖像分為不同的類別，為了滿足不同的分類需求本文主要研究了內(nèi)容可變的圖像分類方法。

2、
　　圖像分類一般分為特征提取和基于特征的分類兩個步驟。針對特征提取問題，本文分析研究了多種特征提取方法，并對其進行了實驗比對，最終確定了各底層視覺特征的提取方法。對于圖像分類問題，通過研究統(tǒng)計學習理論和支持向量機(SVM)，分析了支持向量機在分類應(yīng)用上的優(yōu)勢，因此本文采用支持向量機對圖像進行分類，以不同的特征向量作為 SVM 的輸入對圖像進行了多組分類實驗，研究不同的圖像內(nèi)容對圖像分類的影響?？紤]到單一顯著特征通常能夠快速且準

3、確的分類差別非常大的圖像，本文提出了多級分類思想即首先按照某一顯著的單一特征對圖像進行粗分類再融合其余底層特征對圖像進行細分類，并采用多級分類方法進行分類實驗。
　　通過實驗驗證，利用多級分類思想進行粗分類后，縮小了需要再進行細分類的圖像范圍，因此避免了不相關(guān)圖像的干擾，使得多級分類方法的整體分類正確率較傳統(tǒng)的單級分類方法得到有效的提高。此外，在分類中可以選取不同的顯著特征以滿足不同圖像的分類需求，實現(xiàn)內(nèi)容可變的圖像分類，使圖像