基于異常點(diǎn)檢測(cè)的圖像分類(lèi)技術(shù)研究.pdf

1、多媒體技術(shù)的廣泛應(yīng)用與互聯(lián)網(wǎng)日益成為我們生活中的一部分,帶來(lái)了大量的數(shù)字圖像。圖像分類(lèi)正是在這樣的一個(gè)環(huán)境下提出和發(fā)展起來(lái)的。根據(jù)圖像的內(nèi)容把圖像劃分到正確的類(lèi)別,不僅有助于提高網(wǎng)絡(luò)圖像檢索的準(zhǔn)確性,也有助于對(duì)圖像數(shù)據(jù)進(jìn)行科學(xué)有效的組織和管理。如何科學(xué)、準(zhǔn)確的對(duì)圖像數(shù)據(jù)進(jìn)行分類(lèi),是多媒體技術(shù)的一個(gè)重要研究?jī)?nèi)容。
　　數(shù)字圖像的類(lèi)型有很多,包括彩色圖像、灰度圖像、紅外圖像等,本文主要研究灰度圖像和彩色圖像的分類(lèi)問(wèn)題。近年來(lái),圖像特征

2、提取技術(shù)和機(jī)器學(xué)習(xí)算法都有長(zhǎng)足的發(fā)展,但是,由于分類(lèi)器分類(lèi)模式的差異和圖像集視覺(jué)內(nèi)容的差異,沒(méi)有一種普適的特征或者分類(lèi)器可以很好的解決所有圖像集的分類(lèi)問(wèn)題。因此,從廣義上提高分類(lèi)器性能的分類(lèi)器設(shè)計(jì)方法,分類(lèi)器融合方法應(yīng)運(yùn)而生。本文引入了數(shù)據(jù)挖掘領(lǐng)域異常點(diǎn)檢測(cè)的思想,檢測(cè)出初始分類(lèi)可能錯(cuò)分的圖像,提供給后處理模塊的分類(lèi)器,通過(guò)分類(lèi)器之間的互補(bǔ)和有效的異常點(diǎn)檢測(cè)實(shí)現(xiàn)了圖像的有效分類(lèi)。本文主要工作如下:
　　1.基于 SVM方法實(shí)現(xiàn)了圖

3、像的初始分類(lèi)。分析比較了多種類(lèi)型的圖像視覺(jué)特征,選擇典型的形狀、紋理和 SIFT特征的組合表示圖像,采用多分類(lèi)的SVM算法實(shí)現(xiàn)了圖像的初始分類(lèi),實(shí)驗(yàn)驗(yàn)證了方法的有效性。
　　2.將基于角度的高維異常點(diǎn)檢測(cè)算法應(yīng)用于圖像分類(lèi)結(jié)果判別。在異常點(diǎn)檢測(cè)領(lǐng)域,低維異常點(diǎn)指幾維或十幾維的數(shù)據(jù),其余屬于高維異常點(diǎn)檢測(cè)的范疇。本文通過(guò)引入高維異常點(diǎn)檢測(cè)算法,選擇出初始分類(lèi)可能錯(cuò)分的圖像,提供給分類(lèi)結(jié)果優(yōu)化模塊重新分類(lèi)。
　　3.提出了基于異

4、常點(diǎn)檢測(cè)的圖像分類(lèi)結(jié)果優(yōu)化方法。針對(duì)異常點(diǎn)檢測(cè)獲得的可能錯(cuò)分的圖像,采用最大熵分類(lèi)算法獲得圖像的類(lèi)別,替換初始分類(lèi)獲得的圖像類(lèi)別。通過(guò)分類(lèi)器性能的互補(bǔ)和有效的異常點(diǎn)檢測(cè)算法達(dá)到提高圖像分類(lèi)系統(tǒng)性能的目的。
　　4.設(shè)計(jì)并實(shí)現(xiàn)了基于異常點(diǎn)檢測(cè)的圖像分類(lèi)實(shí)驗(yàn)系統(tǒng),能夠?qū)崿F(xiàn)對(duì)灰度圖像和彩色圖像的處理。系統(tǒng)在對(duì)圖像進(jìn)行初始分類(lèi)后,采用異常點(diǎn)檢測(cè)算法獲得可能錯(cuò)分的圖像,接著對(duì)可能錯(cuò)分的圖像重新分類(lèi)。針對(duì)訓(xùn)練集,首先提取視覺(jué)特征,然后學(xué)習(xí) S