图像智能分类方法的改进

目 录
第一章 绪论 1
1.1课题背景及研究意义 1
1.2图像分类方法的现状及发展概况 2
1.2.1应用领域 2
1.2.2发展趋势 3
1.3本课题研究的内容 4
第二章 常见图片智能分类方法的介绍 5
2.1切比雪夫分类方法 5
2.1.1切比雪夫距离 5
2.1.2简单应用 6
2.2曼哈顿分类方法 7
2.2.1曼哈顿距离 7
2.2.2曼哈顿距离应用 8
2.3欧氏分类方法 8
2.3.1欧氏距离 8
2.3.2欧氏距离的应用 9
2.4上述分类方法的比较 9
第三章 图片智能分类方法的改进 12
3.1问题的提出 12
3.2基于平均值的余弦分类方法 13
3.2.1一般的余弦分类方法 13
3.2.2基于平均值的余弦分类方法 15
3.3本章小结 16
第四章 实验结果及分析 17
4.1人脸分类识别技术 17
4.1.1人脸分类识别技术的发展和应用 17
4.1.2人脸分类识别技术的局限性 18
4.2实验准备和相关程序 19
4.2.1实验准备 19
4.2.2主要程序的实现 22
4.3实验结果及分析 24
4.3.1实验数据 24
4.3.2结论分析 25
结束语 26
致 谢 27
参考文献 28
第一章 绪论
1.1课题背景及研究意义
伴随着机器智能化、自动化时代的到来，对于多媒体数据系统的研究也越来越深入。社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，图像识别分类技术在近几十年中得到了飞速的发展。图像已然成为了一种非常重要的媒体形式，被广泛地应用到国家的发展、经济发展和人们的日常生活中。从工业领域到军事公安方面，人类生活的方方面面都会产生和涉及到大量的
 *好棒文|www.hbsrm.com +Q: &351916072& 
图像。如何对图像进行适当的描述，提取最有效的图像特征，并在此基础上对图像进行准确高效的分类。对于图像的分类问题而言，决定分类性能的关键因素是特征提取的好坏。对于人类本身而言，分类技术并不是什么新鲜的事物，人类本身就具有分类的能力，例如通过对于声音的不同来分辨，通过对人脸的不同来分辨对方的身份等。但是要让计算机自动化技术永远这类技术却不是什么容易的事情，今年来越来越多的人们对于这方面问题更重视了，相关的技术人员也做了大量工作去研究和发展这类技术。
图像分类技术是利用计算机对图像进行定量分析，把图像中的每个像元或区域划分为若干类别中的一种，以代替人工视觉的技术。从目视角度来说，对图像进行提高对比度、增加视觉维数、进行空间滤波或变换等处理的目的就是使人们能够凭借知识和经验，根据图像亮度、色调、位置、纹理和结构等特征，准确地对图像景物类型或目标做出正确的解释。
用计算机实现模式的自动识别也是使我们的世界变得更加智能化的关键技术之一。当今是信息的时代，每一天都会产生各种各样的图像数据，其中就会涉及到图像的分类问题。如果这些问题都由人工进行处理，不仅费时繁琐，而且有可能由于自身知识的限制这些工作并不能非常好的完成。那么，我们就可以利用设备仪器的运算能力对图像进行自动化的分类工作，不仅提高了工作量而且准确率也提高了。在这个信息爆炸的时代，图像信息的获取以及使用越来越方便，图像文件的交换和传输也越来越频繁，大量的图像信息的处理成为了一大难题。在这种情况下，如何依靠计算机的计算能力自动准确快速地识别图像，如何选择最恰当的方法对图像进行分类具有重要的研究价值和意义。
图像处理的主要研究内容有图像增强、图像复原、图像编码、图像分类等，而本课题主要正对图像分类做讨论。图像的纹理分析是图像处理和模式识别中的重要研究方向之一，在图像分类、分割、计算机图像学和图像编码等领域都起着至关重要的作用。我们已经进入了一个以图像构建的世界。当今社会，这种图像数据的爆炸式增加给我们带来不小影响：一方面，人类面临大量的图像信息，另一方面，却找不到自己需要的数据。这种尴尬的局面促使人们急切的找到相关的技术来满足人们的需求。
为了解决不断出现的问题，图像分类技术应运而生，它是解决图像自动检索这一问题的有效途径，它可以根据图像内容自动将其划分到相应的类别，这既可以摒除繁琐的人工参与过程，又可以构建与人们认知相同的图像信息。而且，随着图像处理与多媒体分析领域的不断发展，图像分类技术也越来越成为关注的热点。总之，研究图像分类技术有着十分重要的理论的意义，这是一个典型的机器学习、模式识别的问题。机器学习简单来说就是专门研究如何利用计算机模拟人类的学习行为，在数据中获得经验和知识，并不断改善自身性能。而模式识别是指对事物和现象的特征进行处理、分析与理解，以实现对事物和现象的识别与分类。
1.2图像分类方法的现状及发展概况
1.2.1应用领域
在技术不断发展的当今时代，图像研究分类技术有着十分广阔的应用领域。近年来，计算机视觉成为热门的应用研究，计算机视觉简单来说就是研究如何使得计算机来模拟生物视觉，它的主要任务是计算机通过对采集的图片或视频进行处理，能像人类那样通过视觉观察世界，具体自主识别、理解和适应环境的能力。而图像分类技术正是解决上述问题的核心，被应用到计算机视觉领域的各个方面。如：自主车辆的视觉导航，它就是以图片的分类识别环境为基础；航空和卫星照片的读取判别和分类；工业机器人手眼系统的特定目标识别；生物特征的鉴别等。当然，图像分类技术最重要的应用还是网络图像检索，它不仅帮助图像检索系统很好的理解图像语义信息，又大大减消了人工参与的过程，为改善图像检索系统的准确率提供了有力的支持。
图像分类技术是根据图像的底层视觉特征将图像分门别类到预定义的类中，它是实现计算机自动获取图像语义的重要途径。它的主要流程包括图像预处理阶段、特征提取阶段、分类器设计和学习阶段。
随着社会的不断进步发展以及各个方面对于自动身份验证的迫切需要，生物特征识别技术在近年来得到了飞速的发展。作为人的一种内在属性，并且具体很强的稳定性和个体差异，生物特征成为了自动身份验证最理想的依据。当前的生物特征识别技术主要包括：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方式相比，图像人脸识别由于具有直接、友好、方便的特点，更容易被用户接受，从而得到更广泛的研究和应用。

版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/2842.html