基于二次分割的多特征圖像分類方法研究.pdf

1、隨著計算機、通信和多媒體技術(shù)的高速發(fā)展，特別是互聯(lián)網(wǎng)絡(luò)的出現(xiàn)和大范圍普及，數(shù)據(jù)圖像呈爆炸式增長趨勢，使圖像資源數(shù)量迅速增加，過去基于關(guān)鍵字的分類技術(shù)顯然不能滿足人們的需要。目前實現(xiàn)對圖像快速、準確地分類是研究的一個熱點課題，基于內(nèi)容的圖像分類技術(shù)因此應(yīng)運而生。
　　圖像分類是非常具有挑戰(zhàn)性的一個領(lǐng)域，它在醫(yī)學診斷、偵察犯罪、GIS等領(lǐng)域可以發(fā)揮重要的作用，但目前還沒有統(tǒng)一的系統(tǒng)能夠顯著地提高所有類型圖像分類的準確率。
　　為

2、了有效提高其分類效果，本文針對圖像分類系統(tǒng)中的一些關(guān)鍵技術(shù)和主要算法進行了如下幾方面的研究:
　　(1)本文提出一種基于二次分割的彩色圖像分割算法，首先采用SOM算法對圖像進行一次分割，再用k-means對圖像進行二次分割，與傳統(tǒng)的基于SBN或基于SOM一次圖像分割方法相比，本文方法可取得較好的分割效果。
　　(2)綜合多種特征對圖像進行分類。特征提取是圖像分類中的關(guān)鍵技術(shù)，圖像特征的有效表示直接影響圖像分類系統(tǒng)的分類效果。

3、由于單一特征不能有效描述圖像，不能很好的表示圖像內(nèi)容，在本論文所實現(xiàn)的分類系統(tǒng)中，采用綜合圖像的顏色、紋理和形狀特征，共14個特征向量來有效表示圖像內(nèi)容。本文綜合多種特征來對圖像進行分類，并給出了分類的實驗結(jié)果。
　　(3)基于支持向量機的圖像分類方法的研究。支持向量機的優(yōu)點是不需要特定問題的先驗知識，能夠較好解決小樣本學習問題。本文分別針對兩類圖像，即簡單圖像和復雜圖像的實際情況，用支持向量機對圖像進行分類。
　　本文研究