文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > IT/计算机 > 基于SVM的图像分类算法与实现
侵权投诉

基于SVM的图像分类算法与实现

基于SVM的图像分类算法与实现

402007,43(25)ComputerEngineeringandApplications计算机工程与应用

基于SVM的图像分类算法与实现

张淑雅,赵一鸣,李均利

ZHANGShu-ya,ZHAOYi-ming,LIJun-li

宁波大学数字技术与应用软件研究所,浙江宁波315211

InstituteofDSPandSoftwareTechniques,NingboUniversity,Ningbo,Zhejiang315211,ChinaE-mail:zhang_shu_ya@yahoo.com.cn

ZHANGShu-ya,ZHAOYi-ming,LIJun-li.AlgorithmandimplementationofimageclassificationbasedonSVM.

(25):40-42.ComputerEngineeringandApplications,2007,43

Abstract:Thispaperpresentsanalgorithmtoclassifyoldblack-and-whitephotographsandcolorphotographs.Thebasicideaof

thealgorithmisthat,firstdefinessomeindexesaccordingtothedifferentcharacteristicsbetweenthem,thenusestheseindexestofindoutimageswithobviouscharacteristicsbyadvanceclassification,atlast,classifiesotherimagesbySVMtofinishtheworkofimageclassification,andtheindexesaboveareusedaslearningparameters.Theexperimentalresultsshowthatthedefinitionofindexesisreasonableandtheeffectissatisfying.

Keywords:oldblack-and-whitephotographs;colorphotographs;SVM;imageclassification

摘

要:提出了一种对人类视觉中的黑白老照片和彩色照片进行分类的方法,其基本思想是,首先在分析两者各自特点的基础上,

定义了一些指标特征;其次利用这些指标对图像进行预分类,找出其中特征明显的图像;然后使用支持向量机(SVM)的算法对这些指标进行学习来区分剩余图像,最终达到对图像分类的效果。实验结果表明指标定义是合理的,效果也较满意。关键词:黑白老照片;彩色照片;SVM;图像分类文章编号:1002-8331(2007)25-0040-03

文献标识码:A

中图分类号:TP391.41

1引言

现今图像分类是很多领域都需要研究的问题,应用广泛。

老化,表面出现泛黄,泛绿,泛褐等现象,而彩色摄影照片中也有大量的黑白背景,以及色彩不鲜明的情况。这些情况的存在,是分类算法的难度所在。

本文首先在比较分析黑白老照片和彩色照片各自特点的基础上,定义了一些指标特征。其次利用这些指标对两者进行逐级预分类,找出其中特征明显的图像,然后再将上述指标作为SVM学习参数来区分剩余图像,这里分别考虑了图像的全局特征和局部特征,实验结果保持了较高的准确性。

特别是图像的合理分类对提高基于内容的图像检索结果的准确性具有十分重要的作用。20世纪70年代,图像分类主要依靠人工标注的方法。随着计算机技术和数字化图像技术的发展,图像数据库的规模越来越大,人们逐渐将研究的重点转移到基于图像内容分析的自动分类研究上。近年来,许多研究人员对图像的分类进行了深入研究,并提出了各种解决方案。如

Huang等人[1]通过获得图像颜色的空间相关性,使用分类树对图像进行分类,文献[2]中,使用了颜色直方图和k近邻分类器来区分室内和室外图像,Vailaya等人[3]使用Bayesian分类器,颜色直方图和边缘方向直方图特征来区分日落/森林/山脉和城市/风景图像。

从不同的角度出发,图像可以分为不同的类别。本文研究的重点是如何对视觉上的黑白老照片和彩色照片进行区分。这里首先要明确人们视觉上的黑白彩色与计算机存储中的黑白彩色之间的区别,人们视觉上的黑白照片在计算机中往往是以彩色图片模式保存的。黑白老照片主要是黑白摄影时期的摄影作品,由于年代久远,日晒光照,受潮等原因,呈现不同程度的

2SVM简介

(SupportVectormachine,支持向量机)方法[4]是建立SVM

在统计学习理论的VC维理论和结构风险最小原理基础上的,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳的折衷,以期获得最好的推广能力。

2.1线性SVM

SVM的主要思想是建立一个超平面作为决策曲面,使得

正例和反例之间的隔离边缘被最大化。对于二维线性可分情况,令H为把两类训练样本没有错误地分开的分类线,H1,H2分别为过各类中离分类线最近的样本且平行于分类线的直线,

基金项目:国家自然科学基金(theNationalNaturalScienceFoundationofChinaunderGrantNo.60672072);浙江省自然科学基金(theNatural

(theSpecialScienceandTechnolo-ScienceFoundationofZhejiangProvinceofChinaunderGrantNo.Y106505);宁波市科技攻关项目

gyFoundationofNingboofChinaunderGrantNo.2005B100016)。

作者简介:张淑雅(1982-),女,硕士生,研究方向:图形图像与虚拟现实技术;赵一鸣(1958-),男,教授,主要研究领域:计算智能,虚拟现实,图像

处理等;李均利(1972-),男,博士后,教授,主要研究领域:图像度量,图像质量评价,图像编码,图像匹配与检索,医学图像处理等。

第1页

你可能喜欢

  • 支持向量机原理
  • 算法研究
  • 图像分割
  • 图像分类
  • PCA人脸识别
  • 彩色图像
  • java集合

热门文档

相关文档

  • 基于SVM的图像分类

    算法将实际问题通过非线性变换转换到高维的特征空间 (Feature Space), 在高维...作者创新点: 提出了一种基于 SVM 的图像分类的机 制,实现从语义级别的图像...

  • 基于SVM的图像分类

    基于SVM算法和纹理特征提... 3页 免费 一种基于多分类SVM的相关... 4页 ...以实现 的关 键 , 文提 出了基 于 区域 直 V 本方图 的有关 特 征形...

  • 基于SVM算法和纹理特征提取的遥感图像分类

    基于SVM算法和纹理特征提取的遥感图像分类丁海勇L2, 卞正富1(1.中国矿业大学环...像规律等知识进行分析和推理,实现对图像的理解,可以完成 对遥感图像的解译“l...

  • 基于SVM的图像分类

    4.应用GA.PSO算法的SVM对图像进行分类,对图像的色彩、纹理等多种特征的分类能力...这种方法直观易实现,在参数较少是不失为一种好的寻优 2 西北大学硕士学位论文...

  • 【论文】基于SVM的图像分类系统设计

    基于SVM的图像分类系统设计_专业资料。为实现基于语义的图像分类,其本质还是从底层特征出发,因此,高层信息的学习和建模也就必须来源于底层特征了.在底层特征提取的...

  • 【论文】基于SVM的图像分类研究

    基于SVM的图像分类研究_专业资料。图像分类技术有着重要的应用前景,而且对于基于内容的图像检索的发展会有积极的推动作用。多类图像分类是图像分类中的难点,对基于...

  • 基于SVM算法和纹理特征提取的遥感图像分类_丁海勇

    基于SVM算法和纹理特征提取的遥感图像分类_丁海勇_生物学_自然科学_专业资料。...像规律等知识进行分析和推理, 实现对图像的理解, 可以完成 对遥感图像的解译[...

  • 【论文】基于LSSVM和D-S的遥感图像分类方法

    基于LSSVM和D-S的遥感图像分类方法_数学_自然科学_专业资料。第4 8卷第1期 201 4年 2月 华 中师范大学学报( 自然 科学版) J()URNAI OF HUAZHONG NORMAI...

  • 基于自适应特征选择和SVM的图像分类的研究

    文献〔3〕中基于图像的颜色和主方向特征利用KNN分类器实现 了室内/室外的图像...基于自适应特征选择和SVM的图像分类的研究 245 所示,具体的LBP算法详见文献〔7...

  • 基于SVM算法和纹理特征提取的遥感图像分类_丁海勇

    2008 基于 SVM 算法和纹理特征提取的遥感图像分类丁海勇 1,2, 卞正富 1 (1...像规律等知识进行分析和推理, 实现对图像的理解, 可以完成 对遥感图像的解译[...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email