基于熱核嵌入的圖像分類技術(shù).pdf

1、熱核方法最初作為數(shù)學(xué)與物理領(lǐng)域的重要研究方法，其主要核心是從算子的譜函數(shù)中提取算子本身以及其所處背景信息。由于其可以較充分反應(yīng)圖像的幾何特性，目前已逐漸被應(yīng)用到圖像處理領(lǐng)域中。本文將基于熱核的良好幾何特性提出一種利用圖像的熱核特征進(jìn)行SVM分類的方法，從而實(shí)現(xiàn)圖像分類的目的。
　　本文首先對圖像的熱核嵌入坐標(biāo)建立過程進(jìn)行了詳細(xì)描述，其中包括特征點(diǎn)檢測，Delaunay三角剖分，鄰接矩陣與拉普拉斯矩陣的建立，最后得到圖像的熱核嵌入坐

2、標(biāo)。
　　其次，本文針對特征點(diǎn)檢測過程中Harris-Laplace算法出現(xiàn)的對弱邊緣中特征點(diǎn)漏檢問題進(jìn)行了研究。通過對Harris-Laplace和Canny-Harris這兩種特征點(diǎn)檢測算法的優(yōu)劣進(jìn)行比較分析后，提出將這兩種特征點(diǎn)檢測算法相結(jié)合的改進(jìn)特征點(diǎn)檢測算法。為了驗(yàn)證改進(jìn)的特征點(diǎn)檢測算法是否優(yōu)于這兩種算法的單獨(dú)檢測，本文分別用這三種特征點(diǎn)檢測算法對圖像進(jìn)行檢測后建立熱核等特征，然后通過熱核特征進(jìn)行PCA模式空間映射實(shí)驗(yàn)，

3、并對空間映射結(jié)果進(jìn)行比較。實(shí)驗(yàn)結(jié)果證明本文提出的改進(jìn)的特征點(diǎn)檢測優(yōu)于Harris-Laplace和Canny-Harris的單獨(dú)檢測算法。
　　最后，在利用熱核特征進(jìn)行SVM分類實(shí)驗(yàn)中，首先對影響分類準(zhǔn)確率的兩個因素即熱核特征列向量的截取維度與熱核特征的時間參數(shù)分別進(jìn)行了實(shí)驗(yàn)研究。實(shí)驗(yàn)結(jié)果表明:熱核特征列向量的截取維度選為18以及熱核特征的時間參數(shù)選擇t=1為宜。然后本文根據(jù)選定的參數(shù)對熱核特征利用SVM進(jìn)行分類，并與圖像譜特征的