基于SVM的圖像分類與標(biāo)注方法的研究.pdf

1、隨著多媒體技術(shù)的迅速發(fā)展，圖像數(shù)據(jù)呈爆炸式增長(zhǎng)，如何快速有效地獲取和管理這些圖像信息，已經(jīng)成為了目前科學(xué)領(lǐng)域及工業(yè)生產(chǎn)領(lǐng)域的研究熱點(diǎn)。圖像的分類和標(biāo)注作為處理海量圖像數(shù)據(jù)的關(guān)鍵技術(shù)，能夠在很大程度上解決圖像數(shù)據(jù)自身的這種無(wú)序化問題，有著巨大的研究和應(yīng)用價(jià)值。圖像標(biāo)注又可以被看作是一種分類問題，因此，本文主要研究基于分類方法實(shí)現(xiàn)的圖像標(biāo)注。而在目前的分類方法中，支持向量機(jī)(Support Vector Machine，SVM)在解決小樣本

2、、非線性以及高維的機(jī)器學(xué)習(xí)問題中展現(xiàn)出很多獨(dú)特的優(yōu)勢(shì)，被廣泛應(yīng)用在圖像分類領(lǐng)域。因此，本文重點(diǎn)研究基于SVM分類器的圖像標(biāo)注，并圍繞著圖像的單標(biāo)簽標(biāo)注和多標(biāo)簽標(biāo)注兩個(gè)方面進(jìn)行了研究。主要研究?jī)?nèi)容如下:
　　在基于SVM分類器的單標(biāo)簽標(biāo)注方面，本文提出了一種基于泛化的直方圖相交核函數(shù)的多特征結(jié)合的圖像分類算法。首先，針對(duì)單一特征只能片面地描述圖像的部分屬性，缺少足夠的區(qū)分信息，圖像分類準(zhǔn)確率不高的問題，本文提出了多種特征相結(jié)合的思想

3、。其次，本文對(duì)SVM分類器中的核函數(shù)進(jìn)行了研究和優(yōu)化，提出了一種新的核函數(shù):泛化的直方圖相交核函數(shù)。最后，本文采用提出的算法對(duì)圖像進(jìn)行分類，實(shí)驗(yàn)結(jié)果表明本文算法的平均分類準(zhǔn)確率高于其他方法。
　　在基于SVM分類器的多標(biāo)簽標(biāo)注方面，本文深入地研究了多示例多標(biāo)簽問題，并提出了一種基于人眼感知度的示例生成方法。該方法在構(gòu)造多示例的過(guò)程中，首先對(duì)圖像進(jìn)行分塊，然后計(jì)算各個(gè)分塊的人眼感知度權(quán)值，并使用權(quán)值來(lái)區(qū)分其對(duì)人眼視覺感知的重要程度。