收藏本站
《华中科技大学》 2005年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机方法的图像分割与目标分类

徐海祥  
【摘要】:图像分割和目标分类是数字图像处理领域中两个重要的研究课题。建立在统计学理论基础之上的传统学习分类方法在这两个研究课题中得到了广泛的应用。传统学习分类方法是以经验风险最小化取代期望风险最小化,即渐进理论,但这种取代只有当训练样本数趋于无穷时,最小化经验风险与最小化期望风险之间的偏差才能达到理论上的最小。然而在实际应用中,训练样本数趋于无穷这一前提条件往往得不到满足,特别当问题处在高维空间时更是如此。因此,一些理论上非常优秀的学习分类方法在实际应用中的表现却可能不尽人意。 与传统统计学相比,统计学习理论是一种专门研究小样本情况下机器学习规律的理论。该理论针对小样本学习问题建立了一套新的理论体系,在这种体系下的统计推理规则不仅考虑了对渐进性的要求,而且追求在现有有限信息的条件下得到最优结果。建立在统计学习理论的VC 维理论和结构风险最小化原理基础上的支持向量机方法已经被看作是对传统学习分类方法的一个好的替代,特别在小样本、高维非线性情况下,具有较好的泛化性能。 本文基于支持向量机方法对图像分割和目标分类进行了较为深入的研究,所做的工作和取得的成果主要有以下几点: (1) 研究了核函数类型、核参数、惩罚因子和窗口尺度等因素对支持向量机方法分割性能的影响,总结了一些有意义的规律,为实际应用支持向量机方法分割图像提供了参考; (2) 针对图像在获取和传输过程中易受各种噪声污染的事实,为了提高支持向量机对噪声图像的分割性能,提出了模糊权重支持向量机。实验结果表明,与标准支持向量机相比,模糊权重支持向量机具有更强的抗噪性; (3) 针对一对一方法存在不可分区域问题,提出了一种基于距离测度的改进方法。与其它改进方法相比,本文的改进方法在保证分类性能的同时降低了计算复杂度; (4) 针对所选择的纹理特征分量之间可能存在非线性相关,以及特征分量中可能混有各种噪声等问题,采用了核主成分分析方法对所选择的特征进行了提取。实验结果表明,对目标边界模糊、目标灰度不均匀及目标不连续等情况下的多目标图像(如
【学位授予单位】:华中科技大学
【学位级别】:博士
【学位授予年份】:2005
【分类号】:TP391.41

手机知网App
【引证文献】
中国期刊全文数据库 前2条
1 黄亮;舒宁;;基于支持向量机(SVM)单目标SAR图像分割[J];地理空间信息;2011年01期
2 吴涛;阮祥伟;谭剑波;;支持向量机在SAR图像解译中的研究进展[J];遥感信息;2009年05期
中国重要会议论文全文数据库 前1条
1 李泽辉;聂生东;陈兆学;;应用多类SVM分割MR脑图像特征选择与优化的实验研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
中国硕士学位论文全文数据库 前10条
1 王锟德;基于支持向量机的SAR目标分类识别[D];电子科技大学;2011年
2 王锟;基于支持向量机的图像分割方法研究[D];华南理工大学;2011年
3 王兰莎;多目标矿业复杂图像特征提取与分类[D];北京化工大学;2011年
4 张龙;军事港口目标分类平台的设计与实现[D];东北大学;2009年
5 莫海宁;自然条件下车牌字符识别方法的研究[D];哈尔滨工业大学;2006年
6 向丽萍;电力系统暂态稳定评估中的特征选取[D];西南交通大学;2007年
7 徐淑萍;基于支持向量机的图像分割研究综述[D];辽宁科技大学;2008年
8 李琼;基于支持向量机的SAR图像分割[D];西安科技大学;2008年
9 张晓萌;基于支持向量机的SAR图像去噪与分割[D];西安科技大学;2008年
10 王令军;基于图切分的目标区域自动提取及其在图像检索中的应用[D];南京理工大学;2008年
【参考文献】
中国期刊全文数据库 前8条
1 桑农,张天序,曹治国;基于边缘约束的红外目标图像松弛分割技术[J];电子学报;2002年07期
2 章毓晋;过渡区和图象分割[J];电子学报;1996年01期
3 薛景浩,章毓晋,林行刚;SAR图像基于Rayleigh分布假设的最小误差阀值化分割[J];电子科学学刊;1999年02期
4 刘东;ITS中的车辆检测技术[J];中国人民公安大学学报(自然科学版);2000年04期
5 张翔,田金文,肖晓玲,柳健;支持向量机及其在医学图像分类中的应用[J];信号处理;2004年02期
6 孔锐,施泽生,郭立,张国宣;利用组合核函数提高核主分量分析的性能[J];中国图象图形学报;2004年01期
7 岳振军,邱望成,刘春林;一种自适应的多目标图像分割方法[J];中国图象图形学报;2004年06期
8 林瑶,田捷,张晓鹏;基于模糊连接度的FCM分割方法在医学图像分析中的应用[J];中国体视学与图像分析;2001年02期
【共引文献】
中国期刊全文数据库 前10条
1 冀卫兴;陈忠海;方筝;;基于DE—BP算法的空调负荷预测研究[J];四川建筑科学研究;2010年05期
2 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
3 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
4 管翠萍;;药物靶标G蛋白偶联受体的识别预测[J];安徽农业科学;2010年24期
5 刘婷婷;;基于支持向量机的水稻纹枯病识别研究[J];安徽农业科学;2011年28期
6 王婷婷;黄燕;;基于NC-SVM的酵母蛋白功能预测研究[J];现代农业科技;2011年07期
7 王尔丹;人群运动与密度估计技术研究[J];安全;2005年03期
8 钱付兰;;基于交叉覆盖算法的改进算法-最近邻交叉覆盖算法[J];安庆师范学院学报(自然科学版);2007年04期
9 冯学军;;最小二乘支持向量机的研究与应用[J];安庆师范学院学报(自然科学版);2009年01期
10 蒋玉娥;王志华;赵兆;;基于双波束雷达的车流量检测系统[J];安庆师范学院学报(自然科学版);2011年03期
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
3 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
4 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
5 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
6 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
7 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
8 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
9 ;LS-SVM Based Stable Generalized Predictive Control[A];第二十七届中国控制会议论文集[C];2008年
10 阎纲;梁昔明;龙祖强;李翔;;一种新的提前一步预测控制算法[A];第二十七届中国控制会议论文集[C];2008年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
3 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
4 陈铮;基于激光扫描数据的交通信息采集平台设计与实现[D];山东科技大学;2010年
5 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
6 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
7 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
8 李海清;支持向量机在金融市场预测中的应用[D];辽宁师范大学;2010年
9 王文栋;GEP及SVM融合的分类技术研究[D];广西师范学院;2010年
10 江达秀;基于HMAX模型的人脸表情识别研究[D];浙江理工大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 王年,熊原,赵海峰,任彬;基于神经网络的汽车牌照自动识别[J];安徽大学学报(自然科学版);2000年01期
2 丁克坚,檀根甲,胡官保,李高峰;水稻主要病害诊断、预测、防治专家系统的研究[J];安徽农业大学学报;1998年02期
3 孙光耀,余生晨;小波变换在QRS波检测中的应用[J];北方工业大学学报;2003年03期
4 马东玺,范大鹏,张连超;数字伺服控制系统软件模块化设计[J];兵工自动化;2005年02期
5 吴贵芳;徐科;徐金梧;杨朝霖;孙浩;王春梅;;形态小波在中厚板表面裂纹缺陷检测中的应用[J];北京科技大学学报;2006年06期
6 多化琼;王喜明;范俊雄;;利用傅立叶变换研究铁杉木材管胞横截面尺寸[J];北京林业大学学报;2009年05期
7 史鑫;罗述谦;;支持向量机在医学图像分割中的应用[J];北京生物医学工程;2007年03期
8 赵衍运;蔡安妮;;使用支持向量机分割指纹图像的方法[J];北京邮电大学学报;2006年02期
9 童其慧;主成分分析方法在指标综合评价中的应用[J];北京理工大学学报(社会科学版);2002年01期
10 左西年,刘来福,王心丽,沈佐锐;基于Tensor Voting的蚁蛉翅脉修补[J];北京师范大学学报(自然科学版);2005年02期
中国硕士学位论文全文数据库 前10条
1 江达秀;基于HMAX模型的人脸表情识别研究[D];浙江理工大学;2010年
2 江梅;基于生物视觉感知模型的目标识别[D];南京理工大学;2011年
3 程俊;基于形状知识的不合格品自动分拣系统的研究[D];中国科学技术大学;2011年
4 忻栋;支持向量机算法的研究及在说话人识别上的应用[D];浙江大学;2002年
5 张文朝;基于人工神经网络的暂态稳定评估技术的研究[D];华北电力大学;2002年
6 叶锋;基于神经网络的综合集成车牌识别技术的研究及其应用[D];合肥工业大学;2002年
7 雷静;支持向量机在基于边缘检测的图像分割和函数估计中的应用[D];河北工业大学;2003年
8 钱少猛;遥感像元分解方法及其在滇池水质监测中的应用研究[D];中国科学院研究生院(遥感应用研究所);2003年
9 张法全;基于机器视觉和小波分析的农田害虫识别系统[D];郑州大学;2003年
10 钱刚;合成孔径声纳技术研究[D];西北工业大学;2003年
【二级引证文献】
中国期刊全文数据库 前5条
1 卢超;王鑫;陈振华;;近表面缺陷的超声TOFDR和TOFDW检测[J];失效分析与预防;2012年03期
2 徐恺英;常改;邢天亮;;基于SVM神经网络的高校科研能力评价模型构建[J];图书情报工作;2011年22期
3 陈伟;詹红庆;杨贵德;周少武;;基于直通波抑制的超声TOFD图像缺陷检测新方法[J];无损检测;2010年06期
4 王志强;程红;梁勇;吴迪;;航拍胶片注释信息自动解译算法研究[J];遥感信息;2012年01期
5 秦晓东;刘纪元;;干涉合成孔径声纳中的水体区域检测[J];中国科技论文;2012年07期
中国硕士学位论文全文数据库 前10条
1 洪一帆;三维成像声纳图像后处理技术研究[D];浙江大学;2011年
2 王锟德;基于支持向量机的SAR目标分类识别[D];电子科技大学;2011年
3 刘赞;无损检测新技术在某钢结构桥梁中的应用研究[D];长安大学;2011年
4 王锟;基于支持向量机的图像分割方法研究[D];华南理工大学;2011年
5 赵亮强;基于超声衍射时差法的焊接缺陷自动识别方法研究[D];上海交通大学;2011年
6 李晨光;管道焊缝无损检测的综合方法结合及图像处理[D];中国石油大学;2011年
7 张帅;奥氏体不锈钢焊缝超声TOFD检测噪声信号特征研究[D];哈尔滨工业大学;2011年
8 吴勋;基于支撑向量机与模板匹配的眼底图像分割[D];华中科技大学;2011年
9 陈炜;基于支持向量机的病毒智能检测[D];长春工业大学;2011年
10 张晓伟;车牌自动识别系统的研究与实现[D];武汉理工大学;2008年
【二级参考文献】
中国期刊全文数据库 前4条
1 黄肇义,徐慰慈,杨晓光;ITS对国内城市交通规划影响的探讨[J];城市规划;1999年06期
2 马崇宽;高新技术在道路交通运输领域中的应用[J];公路交通科技;1998年02期
3 张铃,张钹,殷海风;多层前向网络的交叉覆盖设计算法[J];软件学报;1999年07期
4 韩思奇,王蕾;图像分割的阈值法综述[J];系统工程与电子技术;2002年06期
【相似文献】
中国期刊全文数据库 前10条
1 林长方;;支持向量机及其应用研究[J];和田师范专科学校学报;2010年05期
2 梁宏斌;严正俊;;基于支持向量机的模式识别方法[J];现代电子技术;2007年16期
3 韦抒;;应用支持向量机实现转子故障的模式分类[J];制造业自动化;2009年07期
4 邱晓红;;多类别模糊补偿支持向量机新模型研究[J];计算机科学与探索;2009年03期
5 范燕,吴小俊;人脸检测的一种混合方法研究[J];华东船舶工业学院学报(自然科学版);2005年04期
6 田晓宇;梁静国;;支持向量机在文本自动分类中的应用研究[J];情报学报;2006年02期
7 於俊;周维;;一种基于壳向量的SVM快速增量学习算法[J];电子测量与仪器学报;2006年06期
8 谢飞;;支持向量机及其应用研究[J];安徽教育学院学报;2007年03期
9 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
10 谭振宇;杨明;;一种基于支持向量机的角点检测算法[J];电子测试;2011年01期
中国重要会议论文全文数据库 前10条
1 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
2 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
3 徐会敏;王玉兰;;线性规划支持向量机模型的研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 张国宣;孔锐;施泽生;郭立;;一种新的基于聚类的SVM迭代算法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
6 姜谙男;;冲击地压危险性预测的最小二乘支持向量机模式识别[A];第九届全国岩石动力学学术会议论文集[C];2005年
7 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
8 章成志;;基于机器学习的文本聚类描述算法研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
9 孙向东;黄日波;;运用SVMs原理预测蛋白质二级结构研究[A];广西微生物学会2003年学术年会论文集[C];2003年
10 杨鹏;陈玲玲;郭欣;赵琦;;基于支持向量机的表面肌电信号识别[A];2006中国控制与决策学术年会论文集[C];2006年
中国重要报纸全文数据库 前10条
1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年
2 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年
3 记者 刘垠;首届中美视觉夏令营开营[N];大众科技报;2009年
4 吴加录;胡启恒:科技界需要润物细无声[N];中国计算机报;2006年
5 陈瑜唐婷;让计算机会看、会听、会说、会思考[N];科技日报;2007年
6 记者 左常睿;应重视互联网模式识别的研究[N];科技日报;2005年
7 记者 何边;网络化激活人工智能[N];计算机世界;2001年
8 本报记者 张晔通讯员 李玮;周志华:永不墨守成规[N];科技日报;2008年
9 本报记者 贾婧;宗成庆:做科研也要为师立范[N];科技日报;2007年
10 本报记者 马文方;Yebol搜索:一个知识型杀手的告白[N];中国计算机报;2009年
中国博士学位论文全文数据库 前10条
1 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
2 徐海祥;基于支持向量机方法的图像分割与目标分类[D];华中科技大学;2005年
3 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
4 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年
5 陈祖云;煤与瓦斯突出前兆的非线性预测及支持向量机识别研究[D];中国矿业大学;2009年
6 王国胜;支持向量机的理论与算法研究[D];北京邮电大学;2008年
7 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
8 刘建丽;面向生物数据分析的支持向量机技术的研究[D];北京工业大学;2007年
9 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学(河北);2009年
10 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
中国硕士学位论文全文数据库 前10条
1 王晶;支持向量机及其在癌症诊断中的应用研究[D];东北师范大学;2006年
2 蒋琳琼;基于支持向量机的货币识别研究[D];中南大学;2007年
3 张昕;基于SVM方法的医学图像分类研究[D];浙江大学;2006年
4 赵莹;基于向量投影的支持向量机增量学习算法[D];哈尔滨工程大学;2007年
5 余萍;一种基于边界调节的支持向量机模型[D];重庆大学;2007年
6 徐淑萍;基于支持向量机的图像分割研究综述[D];辽宁科技大学;2008年
7 刘森华;基于SVM的数据挖掘技术研究[D];长春理工大学;2009年
8 杨雪;支持向量机多类分类方法的研究[D];哈尔滨工程大学;2006年
9 刘华煜;基于支持向量机的机器学习研究[D];大庆石油学院;2005年
10 赵斌;多值SVM分类投票法的改进[D];武汉科技大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026