圖象特征提取及分類識別的算法研究.pdf

1、該論文重點討論的是圖像處理中圖像特征提取以及圖像分類識別的一些算法理論,在廣泛參考國內(nèi)外各種圖像處理的新技術(shù),新方法的基礎(chǔ)上,希望能夠通過對特征提取,圖像分類,匹配等算法的研究,提出一些在理論上有所創(chuàng)新,在實用上有一定應(yīng)用價值的新方法,從而完善和豐富現(xiàn)有的圖像識別的理論.對論文的內(nèi)容我們做了如下的安排:第一章:簡要描述了目標(biāo)識別領(lǐng)域的發(fā)展概況,對圖像識別的算法流程進(jìn)行了簡單的介紹,并且提出了該文圖像識別算法流程所采用的方法和理論.第二章

2、:描述并構(gòu)造了一組Gabor小波濾波器,將目標(biāo)的Gabor小波特征(幅度、頻率和相位特征)作為目標(biāo)的識別處理特征;第三章:為了進(jìn)一步提取更為有效的特征向量,提出了兩種在Gabor濾波基礎(chǔ)上的特征提取算法,并對其各自的理論和優(yōu)越性進(jìn)行了分析和闡述,重點放在結(jié)合頻域特征和幾何特征的curvelet算法和該算法的核心部分直脊變換上,直脊變換是為了解決二維或者更高維奇異性分析的一種新的工具,對于具有光滑奇異性曲線的目標(biāo)函數(shù),曲線波提供了穩(wěn)定的、

3、高效的和近于最優(yōu)的表示.因此該算法對描述目標(biāo)物體的邊緣曲線具有良好的應(yīng)用價值.第四章:在前面特征提取的基礎(chǔ)上,我們在介紹了一種較傳統(tǒng)神經(jīng)網(wǎng)絡(luò)更為優(yōu)越的分類算法:支持向量機(SVM),并用該算法對圖象進(jìn)行分類檢測,和傳統(tǒng)的分類結(jié)果進(jìn)行比較,結(jié)果表明該算法便于實現(xiàn),在擴展性和分辨率上都有較好的表現(xiàn),同時也說明了前面的特征提取算法對目標(biāo)圖象的描述較為準(zhǔn)確.有良好的推廣價值.第五章:改進(jìn)傳統(tǒng)模板匹配方法,提出彈性匹配的概念.并在目標(biāo)圖象的Gab