图像的特征提取和分类.pdf

发布时间：2022-06-09 发布人：admin 分类：说明书资料大小：2.02M 资料格式：pdf 举报版权申诉

lizi0715-2510577-4744300845408189482.pdf-第1页.png

第1页 / 共65页

lizi0715-2510577-4744300845408189482.pdf-第2页.png

第2页 / 共65页

lizi0715-2510577-4744300845408189482.pdf-第3页.png

第3页 / 共65页

lizi0715-2510577-4744300845408189482.pdf-第4页.png

第4页 / 共65页

lizi0715-2510577-4744300845408189482.pdf-第5页.png

第5页 / 共65页

lizi0715-2510577-4744300845408189482.pdf-第6页.png

第6页 / 共65页

lizi0715-2510577-4744300845408189482.pdf-第7页.png

第7页 / 共65页

lizi0715-2510577-4744300845408189482.pdf-第8页.png

第8页 / 共65页

封面

文摘

英文文摘

创新性声明及关于论文使用授权的说明

第一章绪论

第二章图像的特征描述及分类方法

第三章基于特征融合的图像分类

第四章基于特征提取和形态学处理的目标检测

第五章基于曲波变换的图像分类

第六章总结与展望

致谢

参考文献

作者在硕士研究生期间发表的论文

代号分类号1070lTPl8学号0311420343密级公开而簧它手辞被袁警硕士学位论文题(十、英文)目………………一．周堡的持延理取塑麟…．．FeatureExtract!gEandGj捌蔓；篓i?旦照照ag_e_s_．…作者姓名王i殛…．指导教师姓名、职务……奎小平教攮学科门类…．三望…一学科、专业…。皇整与丕堑……提交论文日期…………三旦一旦盎年越…………

摘要摘要随着科技的发展进步，从各种成像设备、互联网络或图像数据库中获取大量图像已成为可能，从而人们对图像处理的要求也越来越高。在这种情况下，图像处理技术得到了深入、广泛和迅速的发展。图像处理的主要研究内容包括图像增强、图像复原、图像编码、图像分类等，本文中我们主要讨论了图像特征提取和分类的问题。对于图像分类问题，特征提取的好坏是决定分类性能的关键因素。虽然描述图像特征的方法有很多种，但是纹理特征仍是图像分析中一个难以描述的基本特征。本文提出了一种基于特征融合的纹理图像分类方法，它结合了纹理图像的特点和框架小波变换方法，处理过程中充分考虑了图像各尺度间的依存关系以及不同频带中所包含的图像纹理信息，利用支撑矢量机作为分类器，对标准纹理库中的图像进行了仿真实验。实验结果表明与其它方法相比，本文提出的方法在处理速度和识别正确率方面均有所提高。在研究图像特征和分类方法的基础上，针对复杂背景中的且标检测，本文提出了一种基于特征提取和形态学处理的目标检测方法。通过对图像进行预处理，将目标集中在一个含有较少背景的区域中，从而减小了目标检测时背景的影响。与传统的对图像整个区域进行全局分割的处理方法相比，本文提出的方法不仅思路直观明了，而且运算复杂度低，在背景复杂的情况下同样能取得较好的检测效果。与小波变换相比曲波变换具有各向异性，能够提供更多的图像信息。本文提出将曲波变换应用于提取纹理图像的特征，实验结果表明该方法能够较好的反映纹理图像所包含的方向信息。关键词：特征提取图像分类小波变换支撑矢量机曲波变换

——垒塑堡竺!AbstractWiththedevelopmentofscienceandtechnology,itispossibleforUStoobtainlargenumbersofimagesfromimageequipment，networksandvideodatabases．Asaresult，therequestforimageprocessingisbecominghigherandhigher．Thisgreatlybooststhedevelopmentofimageprocessingtechnology．Themainresearchcontentsforimageprocessingincludeimageenhancement，imagerecovery,imagecodeandimageclassification，Thispapermainlydealswithfeatureextractionandclassificationforimages．Thequalityofextractedfeaturesisthekeyfactortodecidetheclassificationperfonnance．AlthoughtherearemanywaystOdescribeimage，textureisstillabasicfeatureforimageanalysiswhichishardtodescribe．Amethodforimageclassificationbasedonfeaturefusionisputforwardwhichcombinesthecharacteristicsoftextureimageswithflamewavelettransform，considerstherelationsamongscalesandtexturalinformationincludedindifferentfrequencydomains，Withrespecttolargeclassnumberandhigh-dimensionfeaturevector,supportvectormachineisusedasclassifier．Theexperimentalresultsindicatethatthemethodabovehasenhancedcomputationalspeedandrecognitionrateofclasses．Bystudyingimagefeaturesandclassification，amethodofobjectdetectionbasedonfeatureextractionandmathematicalmorphologyisproposedinthispaper．Forobjectsinheavilyclutteredenvironments，apreprocessingstepisemployedinordertoreducetheeffectofbackground．Comparedwiththetraditionalglobalsegmentation，theproposedmethodismoreefficientandsimplewhichyieldsthesameaccuratedetectionresultsevenifthebackgroundismorecomplex．CurvelettransformisabletOrepresentsmoothandedgepartsofimagewithsparsitywhichcanprovidemoreimageinformationthanwavelettransform，Anideaoffeatureextractionbasedoncurvelettransformispresented．TheexperimentalresultsprovethatthemethodCanperfectlyrepresentthetexturedirectionality．Keyword：FeatureExtractionImageClassificationWaveletTransformSupportVectorMachineCurveletTransform

创新性声明y151545本人卢明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中刁：包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我～同工作的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。(保密的论文在解密后遵守此规定)本人签名：7p皿导师签名：盔型：圣日期型：』：9日期!遍≤!￡：』里

第一章绪论第一章绪论1．1图像分类基本概念及其应用视觉是人类从自然界中获取信息的最主要手段。据统计在人类获取的信息中，视觉信息约占60％，听觉信息约占20％，通过其它手段获取的信息约占20％。“百阐不如一见”说的就是这个道理。由此可见视觉对人类的重要性，而图像正是人类获取视觉信息的主要途径。然而，直接获取的图像通常不能令人满意，为了满足人们视觉上或者心理上的需求，还要对图像进行加工，这就是图像处理。当今世界是计算机时代，通常所说的图像处理主要是指数字图像处理，也就是利用计算机对图像进行处理。随着计算电子技术和计算机技术的发展，数字图像处理进入高速发展时期。现在从图像采集设备、图像数据库或互联网络获取大量图像己成为可能，因而对图像进行标识和分类成为许多科研人员的研究课题。此研究工作的主要内容是如何对图像进行适当的描述，提取能够有效表示图像属性的特征，并在此基础上对图像进行准确高效的分割和分类。鉴于这样的事实，对图像本身进行深入研究，合理的提取其特征，提出有效的分类识别方法，进而提高图像分类和目标识别的准确性已成为客观必然要求，本课题正是在这种前提下提出的。图像分类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归为若干个类别中的一种，以代替人工视觉判读的技术。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判读和解释…。计算机智能化图像分类技术可以根据应用需求从图像中自动找出感兴趣的目标。计算机图像分类是人工目视判读的延续和发展，得益于现代计算机技术的快速进步，计算机图像分类比人工图像分类速度高得多，分类准确性也达到了较高的水平。在“信息爆炸”的当今世界中，图像信息的获取和使用越来越方便，图像文件的交换和传输也越来越频繁，海量图像信息的处理成了一个困扰我们的难题。在这种情况下，如何依靠计算机的高速计算能力快速准确地自动识图像内容，如何选择合适的方法对图像进行分类具有重要的研究价值和意义。图像分类的应用领域主要有以下几个方面：图像纹理分析、图像内容检索、人脸识别、目标检测和识别等。其中图像的纹理分析是图像处理和模式识别中的一个重要研究方向，在图像分类、分割、计算机图形学和图像编码等领域都起着

图像的特征提取和分类至关重要的作用。从上面图像分类方法的概述中我们可以知道，通过对图像的纹理分析来表征图像特征，从而实现图像的分类任务是非常重要的。纹理，。泛存在于各类图像中，它是表征图像的一个重要特征，通过对纹理图像进行分析可以获得许多有关图像的宏观和微观信息f7】。目前纹理分析在计算机视觉、模式识别以及数字图像处理等领域中得到了广泛的应用，因此对它的研究具有重要的意义和广阔的前景。为了定量描述图像的纹理，就需要首先研究纹理本身可能具有的特征。～般来说，纹理图像中的灰度分布具有某种周期性，而且即使灰度变化是随机的，也会具有一定的统计特性。纹理在局部区域内呈现不规则性，而在整体上表现出某种规律性，只有采用有效描述纹理特性的方法去分析图像的纹理，才有可能真正有效的描述和理解它们。SAR成像技术由于具有全天候、全天时等优点，在民用遥感、军事侦察和战场信息获取中发挥着越来越大的作用。目前SAR图像处理技术仍处于起步阶段。如何根据SAR图像识别出感兴趣的目标是目前迫切需要解决的问题。在这种情况下，对SAR图像特征的全面认知将极大的提高对SAR图像的理解和目标识别能力。SAP．图像中含有丰富的纹理信息，不同的地表粗糙度呈现出不同的纹理特征。因而纹理分析成为SAR图像处理研究的热点问题之一。本文对灰度和纹理特征相结合用于SAR图像分类的算法进行了职究。1．2图像分类技术的发展当今国际上图像分类技术的发展研究一般有三个方向：第一、利用从图像数据中提取的新信息和新特征进行分类；第二、应用新理论进行分类，如基于分形理论、共生矩阵、小波理论、曲波理论的图像纹理信息提取或基于模糊理论的混和像元分解方法等；第三、设计新的分类方法，其实现途径千差万别，但一般从两个方向入手：(1)改进经典算法：由于经典算法仍存在不足之处，因此对其进行改进是发展新的分类算法的有效途径；(2)构造新算法：随着人们对理论知识的深入研究，我们可以将新的理论应用于解决问题和创造算法。构造新算法既可以完全抛弃旧算法，从头开始，也可以借鉴旧算法的优点，抛弃其缺点，逐步改进。总的来说，图像分类研究目前正朝着精确、快速的方向发展。国内外学者从不同角度提出了许多表征图像特征的方法，例如基于像素的灰度共生矩阵；基于纹理基元的结构法；基于能量谱、局域窗能量分析的频谱法等。近年来一些学者引入新的数学工具，提出了基于小波分解多尺度特征、直方图分布特征、分形特征等表示方法。小波分析是20世纪80年代中期发展起来的应用数学理论，具有良好的时频局部化特性、尺度变换特性、方向性特性，使其在图

第一章绪论像处理、模式识别、计算机视觉等众多学科领域得到了广泛的应用。在纹理分析方面也获得了～些应用。将用上述方法提取的图像特征输入分类器进行处理就可得到分类结果。典型的分类方法主要包括监督分类和无监督分类，比较常用的无监督分类法有ISODATA法和t一均值法；监督分类法有最小距离法、马氏距离法、最大似然法。近年来人们又提出了一些新的分类方法和分类理论，比如聚类分析、神经网络和支撑矢量机算法等。聚类分析12J属于无监督模式识别，是模式识别研究中的一个重要分支。数据聚类时没有任何关于样本的先验知识，不需要利用已知类的信息，分类系统通过一种有效的方法发现样本的内在相似性，使同类型的样本尽可能的相似，而不同类型的样本尽可能的不同。它将从图像中提取出的特征向量以聚类的形式分组，达到图像分类的目的。统计分类是在模式识别长期研究发展过程中建立起来的经典分类方法。统计分类主要研究用概率统计模型得到各类别的特征向量进行分类，而特征向量的分布基于一个己知类别的训练样本集，因此是有监督学习的分类方法。统计分类研究是基于数据的机器学习，是现代智能技术中一个十分重要的方面。这种方法从一些观测样本数据出发，得出尚不能通过理论分析得到的规律或分类决策，再将其应用于对未知的数据样本进行识别分类，因此统计方法是我们面对数据而又缺乏理论模型时最常用的…种分析手段。传统统计学研究的是渐进理论，即当样本数目趋于无穷大时的极限特性。但在实际问题中样本数目通常是有限的，这使得很多方法都难以取得理想的效果。支撑矢量机是Boser,Guyon和Vapnik等人于1992年提出的一种新的基于统计学理论的学习机模型pl。支撑矢量机【4]与其它机器学习方法相比在解决小样本、非线性及高维模式识别问题上表现出许多特别的优势，具有良好的推广能力和很强的普适性，可用于模式识别、回归估计及函数逼近等方面。支撑矢量机的最终求解可以转化为一个线性约束凸二次规划问题，不存在局部极小；引入核函数方法可以将线性支撑矢量机简单地推广到非线性支撑矢量机，而且对于高维样本几乎不增加额外的计算量，成功地解决了维数灾难问题。目前支撑矢量机正以其显著优点吸引了越来越多人的注意。仅在模式识别方面，支撑矢量机已经被用于手写体识别、目标识别15】、语音辨识、文本分类以及雷达目标识别中。本文中我们通过学习借鉴前人的研究成果完成算法的改进和创新，首先分析待分类图像的特点并提取其有效特征，对单幅图像的分类采用模糊C均值聚类方法，在多样本的情况下采用支撑矢量机进行分类，完成了对纹理图像库和SAR图像的分类仿真实验。提取有效表征图像的特征，提高图像分类和目标检测的准确性是本文研究的重点。

图像的特征提取和分类1，3本文的主要研究内容图像的特征提取以及特征选择和分类是图像处理中的关键技术，对其进彳亍深入研究将极大的推动图像处理技术的发展。本文的研究方向是分析图像的统计特征和纹理特征，用支撑矢量机和模糊C均值聚类方法对其进行分类识别。在前人研究的基础上进行算法的改进和创新，对已知的纹理图像和SAR图像进行预处理和特征提取，并将特征提取应用于目标检测中。论文的结构安排如下：第一章，简要介绍了图像分类的基本概念及其应用领域，简述图像分类技术的发展和几种分类方法的特点。第二章，对用于图像识别的图像特征及进行特征提取所用到的小波分析等方法进行了研究，对有关的支撑矢量机等分类方法的基本理论进行学习研究，为后续的分析奠定理论基础。第三章，统计方法是目前纹理分析中较常采用的一种方法，主要通过依靠统计参数来表征图像上灰度级分布特征。基于空间／频率联合分析法根据人的视觉原理，采用多尺度、多分辨率、多通道的纹理分析方法，利用在空间域和频率域均能取得较好局部化特性的滤波器对图像进行滤波，从而获得较为理想的纹理特征。本章主要研究了基于图像特征的图像分类算法，并在此基础上提出了一种新的基于特征融合的图像分类算法。第四章，介绍了数学形态学的定义及其在图像处理中的应用，并在此基础上提出了～种新的基于特征提取和形态学处理的目标检测方法。通过对图像进行预处理，将目标集中在～个含有较少背景的区域，从而避免了目标检测时背景的干扰。根据本文提出的方法对三幅图像进行仿真实验，实验结果表明本文方法不仅运算复杂度低，而且在背景复杂的情况下也能取得较好的检测效果。第五章，介绍了曲波变换的基本原理和变换流程，提出了将曲波变换用于提取图像特征的方法。第六章，对整个研究工作进行了总结和展望。

分享到：

赞收藏

资料库

图像的特征提取和分类.pdf

相关推荐

课程资源

热门标签

最新资料