毕业设计(论文)-基于SVM的图像分类系统设计文档 .pdf

LANZHOUUNIVERSITYOFTECHNOLOGY

毕业设计

题目基于SVM的图象分类系统

学生姓名

学号

专业班级计算机科学与技术3班

指导教师

学院计算机与通信学院

答辩日期

兰州理工大学毕业设计

摘要

支持向量机(SVM)方法是建立在统计学习理论基础之上的，克服了神经网络分类和

传统统计分类方法的许多缺点，具有较高的泛化性能。但是，由于支持向量机尚处在发

展阶段，很多方面尚不完善，现有成果多局限于理论分析，而应用显得较薄弱，因此研

究和完善利用支持向量机进行图像分类对进一步推进支持向量机在图像分析领域的应

用具有积极的推动作用。

本文通过支持向量机技术和图像特征提取技术实现了一个图像分类实验系统。文中

首先引入了支持向量机概念，对支持向量机做了较全面的介绍；然后，讨论了图像特征

的描述和提取方法，对图像的颜色矩特征做了详细的描述，对svm分类也做了详细的说

明；最后讨论了由分类结果所表现的一些问题。测试结果表明，利用图像颜色矩特征的

分类方法是可行的，并且推断出采用综合特征方法比采用单一特征方法进行分类得到的

结果要更令人满意。

关键词：支持向量机图像分类特征提取颜色矩

I

兰州理工大学毕业设计

Abstract

Thesupportvectormachine(SVM)methodisbasedonstatisticallearning

theoryfoundation,overcometheneuralnetworkclassificationandtraditional

statisticalclassificationmethodoffaults,andhashighgeneralization

performance.But,becausethesupportvectormachine(SVM)isstillinthe

developmentstage,manystillnotperfect,theexistingresultsmorelimited

tothetheoreticalanalysis,andtheuseofappearmoreweakandthereforestudy

andimprovetheuseofsupportvectormachinestoimageclassificationsupport

vectormachinetofurtheradvanceintheapplicationofimageanalysisplaya

positiveroleinpromoting.

Inthispaper,supportvectormachine(SVM)technologyandimagefeature

extractiontechnologyimplementsaimageclassificationexperimentsystem.This

paperfirstintroducestheconceptofsupportvectormachine(SVM),thesupport

vectormachine(SVM)madeamorecomprehensiveintroduction;Then,discussed

theimagecharacteristicsofdescriptionandextractionmethod,theimagecolor

moment