基于多尺度分析和SVM的紋理圖像分類與檢索.pdf

1、隨著數(shù)字圖像數(shù)據(jù)庫的急劇膨脹，如何快速提取有用的視覺信息越來越受到人們的重視。對圖像的有效分類與檢索成為獲取圖像信息的關(guān)鍵問題。本文將圖像的分類和檢索問題分成兩個主要環(huán)節(jié)：對圖像的特征提取和利用學(xué)習(xí)工具對特征進行分類和檢索。 多尺度幾何分析是近幾年在小波變換基礎(chǔ)上發(fā)展起來的一類有效的信號和圖像處理方法，它包括了脊波分析、曲線波分析、contourlet變換等多種形式。同小波分析不同，由于多尺度幾何分析方法中引入了方向因子，使得對

2、于二維的表征可以更加稀疏，因此其在圖像壓縮、特征提取、模式識別、圖像去噪等方面具有廣闊的應(yīng)用前景。因此本文就討論了采用小波和contourlet變換等多尺度分析工具進行特征提取的效果。 支持向量機(Support Vector Machine，SVM)是一種通用學(xué)習(xí)機器，是統(tǒng)計學(xué)習(xí)理論的一種實現(xiàn)方法，它較好地實現(xiàn)了結(jié)構(gòu)風(fēng)險最小化思想。為解決原空間數(shù)據(jù)的線性不可分問題，通過核函數(shù)將輸入向量映射到一個高維的特征空間，并在該特征空間中

3、構(gòu)造最優(yōu)分類面。由于其優(yōu)越的性能近年來獲得了廣泛的應(yīng)用。本文采用支持向量機作為分類和檢索的學(xué)習(xí)機器。 本文的工作主要有： 1．掌紋識別作為一項生物識別的技術(shù)可用于實現(xiàn)安檢。本文把掌紋圖像看成一類特殊的紋理圖像，提出了一種新穎的掌紋識別方案。應(yīng)用兩維的兩通道和三通道小波變換來得到低頻或高頻子帶圖像，然后將其系數(shù)或子帶能量作為特征進行提取，再選擇支持向量機作為分類器。實驗結(jié)果證明了這是一個簡單而有效的識別方案，正確識別率可達

4、100﹪。 2．本文采用了基于小波、contourlet變換等多尺度分析工具和SVM相關(guān)反饋的圖像檢索方案。對紋理圖像采用contourlet變換提取其特征，contourlet具有多尺度和多方向性，因此比小波變換能更好地提取紋理特征。然后聯(lián)合一類和二類支持向量機進行檢索。首先使用一類支持向量機來估計查詢樣本的特征向量在高維空間的分布情況，從而給出在沒有標識的情況下，進行初步學(xué)習(xí)探索得到的相似性排名。通過用戶反饋，得到帶有標識的