硕士论文-基于svm的图像分类

《硕士论文-基于svm的图像分类》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、西北大学硕士学位论文基于SVM的图像分类姓名：高锦申请学位级别：硕士专业：通信与信息系统指导教师：彭进业20100617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(SupportVectorMachine，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

2、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

3、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。关键词：支持向量机，参数优化，Gabor'／虑波器，局部二值模式，图像分类

4、AbstractAutomaticclassificationofirnagesisacriticaltaskinmanyareas，includinginformationretrieval，visualsccqtledetection，Internetdatafiltering，medicalapplications，etc．Whenoperateddirectlyintheimage，theconventionalmethodsalwaysdifficulttoobtaingoodresultsbecausetheyarepo

5、orinhi曲dimensionperformance．However,SupportVectorMachine(SVM)Callovercomethedefectofhigll-dimensionalrepresentation，ithasbeenwidelyusedinimageclassification．SincetheclassificationcapabilityofSVMgreatlydependentontheselectionofkernelparameters，therefore,thisstudyfocused

6、onthekernelparameterselectionmethods，thenthedifferentcolor,texturefeatureswereemployedinimageclassificationexperiment．Themainworkofthispaperisasfollows：1．ThispaperanalyzesthekernelparametersofSVMclassifymodel，andusetheGridSearchmethod，GeneticAlgorithmsandParticleSwarmO

7、ptimizationAlgorithmtooptimizetheSVMkernelparameters．Thencompare廿leircapabilityinkernelparameteroptimizationbyexperiments．2．Anewkernelparameteroptimizationmethodisproposed．BecausecontrolparametersselectionofPSOhavenocorrespondingtheoreticalguidance，mostchoicesarebasedo

8、nexperience，thispaperproposedaGeneticAlgorithmandPSOhybridalgorithm．Inthenewalgorithm，GeneticAlgorithmisemployedtosel