基于綜合特征的圖像語義分類技術(shù)的研究.pdf

1、隨著多媒體技術(shù)的發(fā)展，圖像信息應(yīng)用越來越廣泛，人們對于圖像等多媒體數(shù)據(jù)的需求也越來越強烈。圖像具有豐富的高層語義，高層語義概念更符合人們對圖像的理解，基于語義的圖像分類和理解技術(shù)便應(yīng)運而生。在多媒體和模式識別領(lǐng)域相關(guān)知識指導(dǎo)下，基于語義的圖像分類技術(shù)代表著圖像理解發(fā)展的方向。本文結(jié)合支持向量機研究了基于綜合特征的圖像語義分類方法。 本文首先介紹了圖像分類技術(shù)的發(fā)展和研究現(xiàn)狀，研究了圖像內(nèi)容的描述方式以及支持向量機的基本原理和核函

2、數(shù)模型，為后續(xù)的研究提供了理論基礎(chǔ)。 然后，本文研究了圖像綜合特征的提取問題。核主成分分析法是一種常用的綜合特征提取方法，這種方法的缺點是求解圖像特征核矩陣的計算十分耗時，針對這個問題，我們提出了一種基于施密特正交化的核主成分分析法。該方法改進了核主成分分析方法中耗時的特征分解過程，通過施密特正交化核矩陣，避免了原始方法中直接求解特征值和特征向量的過程，具有較低的計算復(fù)雜度。實驗證明這兩種方法提取出的特征與原始特征的均方誤差（即

3、波動程度）相差不大，但是改進算法的計算時間明顯少于原來的算法。 接著本文研究了多類分類器的構(gòu)造問題，由于支持向量機最初是用于解決二類分類問題的，由此需要一定的策略組合這些二類分類支持向量機。一對一多類分類方法具有訓(xùn)練時間短、錯誤率低的優(yōu)點，但是當某些二類分類器分類效果不佳時會嚴重影響分類性能。針對這個問題，本文引入了交叉驗證正確率作為分量分類器的權(quán)值，交叉驗證是一種基于重采樣技術(shù)評估分類器的分類正確率和泛化能力的數(shù)學(xué)方法，因此采

4、用交叉驗證正確率作為權(quán)值能夠保證具有最高分類性能的分量分類器對最終的分類結(jié)果作的貢獻最大。實驗證明改進的算法分類正確率要高于原來的算法。 在以上研究基礎(chǔ)上，本文建立了一個基于語義的圖像分類系統(tǒng)，系統(tǒng)可以提取圖像的底層特征和選擇支持向量機的參數(shù)，主要功能是檢驗不同條件下的圖像分類性能，為前述的研究作出實驗結(jié)果驗證。本文介紹了系統(tǒng)的組成和框架，給出了一些圖像分類的實例和實驗數(shù)據(jù)。在實驗部分，我們根據(jù)實驗結(jié)果分析了具有較優(yōu)分類性能的特