支持向量机的复杂场景图像分类研究与实现
摘 要摘 要随着时代的发展，复杂场景分类这一问题越发受到关注，为了解决这一问题，现阶段提出了一种比较可行的分类方法。首先设置场景图像的特征向量来进行描述，然后利用所选的特征参数来确立矢量隶属函数，然后通过这一函数的值来进行场景分类。此类分类方法在人脸识别、车辆识别等诸多方面都有着很大的成果，为人们的生活带来了方便。何为复杂场景呢?比如说草地、卧室、飞机场等都可以算在其中。对复杂场景图像进行分类研究有着什么样的现实意义呢？比如交通方面的场景分类可以给人们带来秩序与安全。场景图像分类的过程就是提取图像特征，利用这些特征来对测试图像进行对比，从而进行分类的这么一个过程。本文研究了经典图像特征如SIFT、HOG及支持向量机进行实验实现一个高效的图像场景分类算法, 采用C++语言进行编程，实现一个高效的图像场景分类算法，并实现对输入图像的自动场景标签输出。关键词：场景分类；支持向量机；图像特征目 录
第一章 绪论..............................................................................................................1
1.1 概述....................................................................................................................1
1.2 研究背景及意义................................................................................................2
1.3 本文的主要工作................................................................................................3
第二章 理论基础..................................................................................
*好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
的主要工作................................................................................................3
第二章 理论基础....................................................................................................4
2.1 支持向量机的基本原理..................................................................................4
2.1.1 最优分类面..........................................................................................4
2.1.2 广义的最优分类面..............................................................................4
2.2 场景分类国内外的研究现状..........................................................................6
2.3 VC维.................................................................................................................7
2.4 核函数研究......................................................................................................8
2.4.1 核函数变换基本思想..........................................................................8
2.4.2 常见核函数..........................................................................................9
2.5 基于SVM的多类分类方法..............................................................................9
2.5.1 一对多SVM.........................................................................................10
2.5.2 一对一SVM.........................................................................................10
2.5.3 有向无环图SVM.................................................................................10
第三章 场景分类算法........................................................................................12
3.1 本文选取的图像HOG特征............................................................................12
3.1.1 HOG特征描述子.................................................................................12
3.1.2 HOG特征描述向量的提取与计算步骤.............................................12
3.2 支持向量机....................................................................................................14
3.2.1 参数选择的
第一章 绪论..............................................................................................................1
1.1 概述....................................................................................................................1
1.2 研究背景及意义................................................................................................2
1.3 本文的主要工作................................................................................................3
第二章 理论基础..................................................................................
*好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
的主要工作................................................................................................3
第二章 理论基础....................................................................................................4
2.1 支持向量机的基本原理..................................................................................4
2.1.1 最优分类面..........................................................................................4
2.1.2 广义的最优分类面..............................................................................4
2.2 场景分类国内外的研究现状..........................................................................6
2.3 VC维.................................................................................................................7
2.4 核函数研究......................................................................................................8
2.4.1 核函数变换基本思想..........................................................................8
2.4.2 常见核函数..........................................................................................9
2.5 基于SVM的多类分类方法..............................................................................9
2.5.1 一对多SVM.........................................................................................10
2.5.2 一对一SVM.........................................................................................10
2.5.3 有向无环图SVM.................................................................................10
第三章 场景分类算法........................................................................................12
3.1 本文选取的图像HOG特征............................................................................12
3.1.1 HOG特征描述子.................................................................................12
3.1.2 HOG特征描述向量的提取与计算步骤.............................................12
3.2 支持向量机....................................................................................................14
3.2.1 参数选择的
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/2376.html
