基于SVM的圖像分類.pdf

1、圖像的自動分類在許多領(lǐng)域都是一項關(guān)鍵的任務(wù)，其中包括信息檢索、可視場景的目標(biāo)檢測、因特網(wǎng)數(shù)據(jù)過濾、醫(yī)學(xué)應(yīng)用等等。當(dāng)直接在圖像上進行操作時，傳統(tǒng)的分類方法由于數(shù)據(jù)的高維特性表現(xiàn)差，很難取得較好的效果。但是支持向量機(Support VectorMachine，SVM)可以克服極高維表示的缺陷，被廣泛運用到圖像分類中去。
　　 由于支持向量機的分類能力極大地依賴于核參數(shù)的選取，因此，本文著重研究了核參數(shù)選擇方法，并利用不同的顏色、紋

2、理特征對圖像進行分類。
　　 本文所做的主要工作如下：
　　 1.分析了支持向量機核函數(shù)中各個參數(shù)對分類模型的影響，使用網(wǎng)格搜索法、遺傳算法和粒子群算法對模型中的參數(shù)進行了優(yōu)化，比較各方法對SVM核參數(shù)的尋優(yōu)能力。
　　 2.提出了一種新的核參數(shù)優(yōu)化方法。由于PSO算法的控制參數(shù)大多靠經(jīng)驗選擇，沒有相應(yīng)的理論指導(dǎo)，本文將PSO控制參數(shù)的選值也作為一個優(yōu)化問題，對PSO的兩個加速常數(shù)用GA優(yōu)選，對慣性系數(shù)也作了改進

3、，形成一種GA-PSO混合算法。實驗結(jié)果表明，新算法有很強的尋優(yōu)能力，能有效地防止算法陷入局部最優(yōu)。
　　 3.對彩色圖像在HSV空間使用不同的量化方法提取顏色特征，針對傳統(tǒng)直方圖丟失顏色空間信息的情況，提出使用一種區(qū)域加權(quán)與顏色矩結(jié)合的顏色特征提取方法。紋理方面，使用灰度共生矩陣法、Tamura方法、Gabor濾波法分別提取出圖像的紋理特征，對LBP模式的降維進行了研究，分析了LBP統(tǒng)一模式的不足，提出一種LBP混合模式與PC