收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于SVM的图像分类

高锦  
【摘要】: 图像的自动分类在许多领域都是一项关键的任务,其中包括信息检索、可视场景的目标检测、因特网数据过滤、医学应用等等。当直接在图像上进行操作时,传统的分类方法由于数据的高维特性表现差,很难取得较好的效果。但是支持向量机(Support Vector Machine, SVM)可以克服极高维表示的缺陷,被广泛运用到图像分类中去。 由于支持向量机的分类能力极大地依赖于核参数的选取,因此,本文着重研究了核参数选择方法,并利用不同的颜色、纹理特征对图像进行分类。 本文所做的主要工作如下: 1.分析了支持向量机核函数中各个参数对分类模型的影响,使用网格搜索法、遗传算法和粒子群算法对模型中的参数进行了优化,比较各方法对SVM核参数的寻优能力。 2.提出了一种新的核参数优化方法。由于PSO算法的控制参数大多靠经验选择,没有相应的理论指导,本文将PSO控制参数的选值也作为一个优化问题,对PSO的两个加速常数用GA优选,对惯性系数也作了改进,形成一种GA-PSO混合算法。实验结果表明,新算法有很强的寻优能力,能有效地防止算法陷入局部最优。 3.对彩色图像在HSV空间使用不同的量化方法提取颜色特征,针对传统直方图丢失颜色空间信息的情况,提出使用一种区域加权与颜色矩结合的颜色特征提取方法。纹理方面,使用灰度共生矩阵法、Tamura方法、Gabor滤波法分别提取出图像的纹理特征,对LBP模式的降维进行了研究,分析了LBP统一模式的不足,提出一种LBP混合模式与PCA相结合的纹理特征提取方法。 4.应用GA-PSO算法的SVM对图像进行分类,对图像的色彩、纹理等多种特征的分类能力进行了测试和比较,分析了不同参数优化方法对图像分类准确率的影响。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨杰;陈晓云;;图像分类方法比较研究[J];微计算机应用;2007年06期
2 刘峰;龚健雅;;一种基于多特征的高光谱遥感图像分类方法[J];地理与地理信息科学;2009年03期
3 张淑雅;赵一鸣;李均利;;基于SVM的图像分类算法与实现[J];计算机工程与应用;2007年25期
4 李长春;冒亚明;孙灏;慎利;;基于多通道分类合成的SAR图像分类研究[J];计算机与现代化;2010年03期
5 李含光;吴小季;;基于脊波变换和SVM的MSTAR图像分类[J];武汉理工大学学报;2010年16期
6 范俊杰;孔月萍;;一种改进的半调图像分类算法[J];现代电子技术;2008年22期
7 马帅营;;基于灰度共生矩阵和BP神经网络集成的纹理图像分*类[J];大连民族学院学报;2009年03期
8 朱习军;刘大专;周兆山;张秋淋;梁文华;;基于SVM的大鱼际掌纹图像二分类法[J];计算机工程;2011年18期
9 郭洛丹;孔金生;;MRBF神经网络在图像分类中的应用[J];计算机工程与设计;2009年13期
10 靳红梅;刘蓉;张俊梅;梁荣;;基于SVM的SAR图像分割方法[J];北京服装学院学报(自然科学版);2009年03期
11 徐淑平,洪亲;基于小波变换的图像检索[J];计算机与现代化;2005年11期
12 黄萍;卢谢吉;;基于Gabor-SVM的文字识别方法[J];计算机与数字工程;2011年08期
13 宁朝;基于SVM技术的英文字符识别方法[J];大众科技;2005年08期
14 王清翔;仲婷;潘金贵;;基于SVM的日文网页分类[J];广西师范大学学报(自然科学版);2007年02期
15 万华林,Morshed U.Chowdhury;基于支持向量机的图像语义分类(英文)[J];软件学报;2003年11期
16 赵书河,冯学智,都金康,林广发;基于支持向量机的SPIN-2影像与SPOT-4多光谱影像融合研究[J];遥感学报;2003年05期
17 张锦水;何春阳;潘耀忠;李京;;基于SVM的多源信息复合的高空间分辨率遥感数据分类研究[J];遥感学报;2006年01期
18 张键;于忠党;栾海滢;;基于SVM的教师评价系统研究[J];教育信息化;2006年03期
19 薄丽玲;;基于SVM的数字图像水印检测算法设计[J];科技情报开发与经济;2007年33期
20 黄秀丽;王蔚;;SVM在非平衡数据集中的应用[J];计算机技术与发展;2009年06期
中国重要会议论文全文数据库 前10条
1 吕卓;谢松云;赵金;赵海涛;;基于SVM的手部运动fMRI图像分类方法研究[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会青年优秀论文[C];2010年
2 ;A Tool Wear Predictive Model Based on SVM[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
3 ;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
4 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
5 王红伟;董慧;;一种提高SVM分类精度的调制信号识别方法[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
6 ;Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication[A];第二十六届中国控制会议论文集[C];2007年
7 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
8 邵杰;叶宁;容亦夏;;基于SVM的多波束测深数据滤波[A];第二十九届中国控制会议论文集[C];2010年
9 于湘涛;周峰;张兰;魏超;;基于SVM和田口方法的石英挠性加速度计健壮性设计[A];质量——持续发展的源动力:中国质量学术与创新论坛论文集(下)[C];2010年
10 ;Adaptive Control of Nonlinear System Based on SVM Online Algorithm[A];中国自动化学会控制理论专业委员会D卷[C];2011年
中国博士学位论文全文数据库 前10条
1 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
2 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
3 申丰山;样例权重估计及在此基础上的SVM[D];西安电子科技大学;2011年
4 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年
5 员永生;基于支持向量机分类的面向对象土地覆被图像分类方法研究[D];西北农林科技大学;2010年
6 龙艳花;基于SVM的话者确认关键技术研究[D];中国科学技术大学;2011年
7 许敏强;基于话者统计特征和SVM的文本无关话者确认研究[D];中国科学技术大学;2011年
8 李晓旭;基于概率主题模型的图像分类和标注的研究[D];北京邮电大学;2012年
9 任桢;图像分类任务的关键技术研究[D];哈尔滨工程大学;2010年
10 曹志坤;制冷陈列柜性能仿真SVM方法的研究及应用[D];上海交通大学;2010年
中国硕士学位论文全文数据库 前10条
1 高锦;基于SVM的图像分类[D];西北大学;2010年
2 陈卓;基于聚类和SVM主动反馈的图像检索方法[D];重庆大学;2010年
3 严会霞;基于SVM的眼动轨迹解读思维状态的研究[D];太原理工大学;2010年
4 吴迪;基于SVM分类器的分步定位算法研究[D];哈尔滨工业大学;2010年
5 杨焕;基于Basic-N-Units特征的SVM方法预测MicroRNA[D];吉林大学;2010年
6 殷光;基于SVM的验证码识别算法研究[D];安徽大学;2010年
7 曾玉祥;盲抽取与SVM方法在地球化学异常下限提取中的应用[D];成都理工大学;2010年
8 曹云生;基于支持向量机(SVM)的森林生态系统健康评价及预警[D];河北农业大学;2011年
9 赵亮;基于改进EM算法和混合核SVM的图像检索技术研究及应用[D];南京航空航天大学;2010年
10 张汉女;基于SVM的海岸线提取方法研究[D];东北师范大学;2010年
中国重要报纸全文数据库 前10条
1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
2 刘杰;民众网络晒照片,博物馆兴趣浓烈[N];中国摄影报;2009年
3 ;尽享极速冲浪快感的 Longator 2004横空出世[N];中国电脑教育报;2004年
4 本报记者 韩露;乱军之中智者胜[N];证券时报;2000年
5 ;基于网络层的存储虚拟化是主流[N];中国计算机报;2008年
6 武德锋 李国辉 林洪文 姚作梁;图像世界任我行[N];计算机世界;2002年
7 德仁;“侣明室”藏品展[N];经济日报;2006年
8 沈占锋;遥感影像信息提取与分析[N];计算机世界;2006年
9 本报记者 郭平;LSI发布新存储虚拟化管理器[N];计算机世界;2008年
10 泓月;明清家具:简约与华美的对话[N];中国艺术报;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
  • 010-62982499
  • 010-62783978