基于SVM的圖像內容分析算法設計.pdf

1、支持向量機是在統(tǒng)計學習理論研究的基礎之上建立起來的一種機器學習的新方法,并且克服了以往的學習算法的固有缺陷,在解決有限樣本問題、提高訓練結果的泛化性能、避免陷入局部極小的情況以及樣本在低維空間的非線性問題等方面提出了較好的解決方案。
　　本文從支持向量機的理論研究出發(fā),基于其強大的理論優(yōu)勢,實現(xiàn)了兩個應用:視頻字幕檢測分類器設計和圖像主體顯著程度的打分器。
　　一、視頻字幕是表達視頻內容的重要信息,可以為視頻檢索和存儲提供語

2、義標簽,因此實現(xiàn)視頻字幕的自動化提取有現(xiàn)實的應用價值。本文提出的算法綜合使用了角點密度特征、邊緣強度特征、紋理特征和基于灰度共生矩陣的統(tǒng)計特征來區(qū)分字幕與非字幕區(qū)域。論文采用支持向量機實現(xiàn)了字幕區(qū)域與非字幕區(qū)域的判別,這種方法在二分類且樣本數(shù)量相對較小的的情況下分類效果更好,并且避免了傳統(tǒng)投影方法設置過多的閾值,有更好的推廣性。
　　二、隨著信息技術的發(fā)展,人們的需求從簡單的文本信息發(fā)展到了圖像信息,一幅圖像的主體區(qū)域最能表現(xiàn)圖像