基于支持向量机的图像分类
2021-09-10苏亮
科技研究 2021年15期




摘要:随着多媒体技术的不断发展,传统的基于关键字匹配的图像检索方式已经不能满足图像检索的需求,基于内容的图像检索方式成为研究的重点。为了实现图像低层特征和高层语义的关联,文中采用提取图像的底层特征,使用支持向量机(SVM)对图像进行分类的方法,实验中比较了不同图像特征对分类结果的影响。结果表明,采用多种特征综合对图像进行分类会取得比较好的结果。
关键词:图像检索;图像特征;支持向量机;图像分类
引言
随着数字图像的日益增多,图像检索技术在不断的向前推進。图像检索技术的发展经过了基于关键字检索的“以字找图”方式和基于图像底层特征相似性比较的“以图找图”方式。在理想的状况下,用户期望根据图像的高层语义进行检索得到有用的图像。在利用图像高层语义进行检索之前,对图像数据库进行语义分类是一个有效的方法,具有相同语义的图像一般也都具有相似的视觉特征,使得将图像按语义进行分类成为可能。图像分类仅仅试图将图像归并到某一种语义类别中,从而实现图像语义特征的提取。
图像分类的难点在于如何根据图像的底层视觉特征将图像归并到某种有意义的类别当中。许多机器学习的方法由于可以很好的获得图像特征和文本描述的对应关系,被引入到了这一领域。万华林结合图像的颜色、纹理和边缘特征,用SVM实现了图像的语义分类。Boutell采用贝叶斯网络,利用图像的视觉特征,处理了室内室外图像的分类问题。……
登录APP查看全文
