圖像紋理特征的提取和圖像分類系統(tǒng)研究及實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的普及，數(shù)字媒體技術及智能信息處理技術的迅速發(fā)展和廣泛應用，大規(guī)模圖像資源不斷涌現(xiàn)。面對如此海量的圖像信息，搜索和查詢內容匹配的圖像會變得越來越困難，形式有效的管理和查詢媒體的需求也越來越迫切?；趦热莸膱D像檢索技術引起了圖像處理、模式識別、機器學習等研究領域的廣泛關注。圖像信息的描述與提取，圖像的分類方法是基于內容的圖像檢索中兩個重要的過程。針對這兩個方面，本文研究了基于圖像紋理特征的圖像分類方法，采用改進的灰度共生矩陣算法

2、及多類支持向量機分類技術實現(xiàn)較好的圖像分類。 首先，針對圖像特征提取的問題，本文研究了圖像內容中紋理特征的多種描述及提取方法。從紋理的特點和圖像內容檢索技術的實際應用出發(fā)，著重分析了統(tǒng)計法中的灰度共生矩陣算法。針對該方法有大量冗余計算，需求大量存儲空間的缺點，進一步研究了現(xiàn)有的幾種基于灰度共生矩陣算法的改進算法，包括和差統(tǒng)計法、GLCLL和GLCHS算法。綜合幾類方法的特點與思路，本文提出了一種改進算法一統(tǒng)計灰矩鏈表法。從理論上

3、可以看出，統(tǒng)計灰矩鏈表法解決了存儲空間需求量大的問題。通過實現(xiàn)傳統(tǒng)的灰度共生矩陣算法以及改進算法，并對三組圖像分別進行提取紋理特征的實驗，證明了統(tǒng)計灰矩鏈表法計算8個典型的紋理特征值所需要的時間大大少于傳統(tǒng)的灰度共生矩陣算法所需要的時間。 其次，針對圖像分類問題，本文研究了幾種重要的模式分類方法。由于支持向量機具有堅實的理論基礎與良好的分類性能等優(yōu)勢，本文著重研究了支持向量機方法。在支持向量機的統(tǒng)計理論原理和分類原理基礎上，結合

4、圖像分類的特點，從核函數(shù)、訓練算法和多類分類器算法三個重要的影響分類效果和速度的方面進行研究與分析，提出了適合于圖像分類的多類支持向量機分類模型。在此基礎上，設計了基于紋理特征的圖像分類系統(tǒng)，結合改進的灰度共生矩陣算法和多類支持向量機分類模型，對圖像進行紋理特征提取、訓練和分類。采用三類圖像進行實驗，證明了該系統(tǒng)能夠達到良好的圖像分類效果。 最后，本文從特征提取，監(jiān)督學習，分類反饋等幾個方面對基于內容的圖像檢索技術進行了展望。