基于elm和d-s证据理论的图像分类研究

《基于elm和d-s证据理论的图像分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、巧古学化化义基于ＥＬＭ和Ｄ－Ｓ证据理论的图像分类研究王祥铜巧爲＞乂聲二〇—六年六月－ｉｉ、■．户Ｌ，．．．．．Ｉ’：—，分类号ＴＰ１８３密级ＵＤＣ编号硕±学位论文基于ＥＬＭ和Ｄ－Ｓ证据理论的图像分类研究王祥铜学科专业控制理论与控制工程指导教师李国进教授、论文答辩日期２０１６．０５．２９学位授予日期２０１６．０６．３０答辩委员会主席梁京章教授广西大学学位论文原创性和使用

2、授权声明本人声明所呈交的论文，是本人在导师的指导下独立进行研究所取得的研究成果。除己特别加标注和致谢的地方外，论文不包含任何其他个人或集体已经发表或撰写的研究成果，也不包含本人或他人为获得广西大学或其它单位的学位而使用过的材料一。与我同工作的同事对本论文的研究工作所做的贡献均已在论文中作了明确说明。本人在导师指导下所完成的学位论文及相关的职务作品，知识产权归属广西大学。本人授权广西大学拥有学位论文的部分使用权，即；学校有权保存并向国家有关部口或机构送交学位论文的复印件和

3、电子版，允许论文被查阅和借阅，可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索和传播，可采用影印、缩印或其它复制手段保存、汇编学位论文。本学位论文属于：□保密，在年解密后适用授权。囚不保密。＂＂上相应方框内打Ｖ鴻在Ｗ）论文作者签名；１鴻曰期：指导教师签名：日期：如化心＾未１０终作者联系电话；电子邮箱：基于ＥＬＭ和Ｄ－Ｓ证据理论的图像分类硏究摘要随着信息时代的发展，图像不管是在工业还是互联网中ｙｘ及日常生活中都有广泛的应用，每天都有大量的图

4、像需要处理，其中能否对每幅图像进行正确的分类是图像在其它方面应用的基础。图像特征提取是图像分类的基础，然后根据提取的图像特征向量设计分类器。目前人们对图像特征提取和分类器设计研究的比较多，在实际应用中也能取得较好的效果。但是，目前对图像Ｗ及分类器设计的认识还不够全面，图像某些方面的特征表达还有待完善，更好的图像特征提取方法一旦对图像有更深入的理解时可Ｗ提取图像新的特征还有待发现。，如果这时利用新的特征对图像进行分类，就需要对原分类器模型重新设计，不利于实际应用。为解决这

5、个问题，本文从分类器模型扩展性的角度提出了一种图像分类方法，当有新的特征向量加入时不需要再重新设计分类器，把新的特征向量作为证据加入到分类模型即可。一种图像分类设计方法本文探讨，即基于极限学习机和证据理论融合的分类模型；首先分别用轮廓波变换和不变矩结合的方法Ｗ及灰度共生矩方法提取图像的纹理特征，图像的颜色特征在基于ＨＳＩ颜色空间模型中提取，总共提取图像的Ｈ组特征并把它们分别作为样本的特征向量；其次对送Ｈ组特征分别设计分类器其中分类算法用基于粒子群优化的极限学习机一种证据

6、理论基本概率赋值函数的获得方法即用该分类模型的，并提出输出作为每类的基本概率赋值函数（也表示对每类的支持程度）；最后用证Ｉ据理论对这些基本概率赋值函数融合得到最终对每类图像的支持程度。该方法模块化设计，当得到图像新特时只需要用极限学习机分，可扩展性好类器得到一组基本概率赋值函数，把这姐函数与原来的相融合即可。最后用ｍａ。ｔｌａｂ进行了验证，证明了该图像分类模型的有效性－关键词：图像分类ＤＳ证据理论；特征提取；极限学习机；ＩＩ－Ｒｅｓｅａｒｃｈｏｎｉｍａｅｃｌａ

7、ｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎＥＬＭａｎｄＤＳｅｖｉｄｅｎｃｅｇｔｈｅｏｒｙＡＢＳＴＲＡＣＴＷｉｔｈｔｈｅｄｅｖｅｌｏｍｅｎｔｏｆｔｈｅｉｎｆｏｒｍａｔｉｏｎａｅｉｍａｇｅｉｓｗｉｄｅｌｕｓｅｄｉｎｔｈｅｐｇ，ｙｉｎｄｕｓｔｒｏｒｏｎｔｈｅＩｎ化ｍｅｔａｎｄｄａｉｌｌｉｆｅ化ａｔａｌａｒｅｎｕｍｂｅｒｏｆｉｍａｅｓ打ｅｅｄｔｏｙｙｇｇｂｅｒｏｃｅｓｓｅｄｅｖｅｒｄａＷｈｅｔｈｅｒｔｈｅｃｏｒｒｅｃｔｃｌ

8、ａｓｓｉｆｉｃａｔｉｏｎｏｆｅａｃｈｉｍａｅｉｓｔｈｅｐｙｙ，ｇｂａｓｉｓｏｆｆｉｍａｉｎｏ出ｅｒａｒｅａｓ．ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｔｈｅｇｅＩｍａｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｉｓｔｈｅｂａｓｉｓｏｆｉｍａｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄａｉｍａｅｇｇ，ｇｃｌａｓｓｉｆｉｅｒｉｓｄｅｓｉｇｎｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｉｍａｅｆｅａｔｕｒｅｖｅｃｔ