基于SVM的圖像分類方法與應(yīng)用研究摘要隨著世界科技的快速發(fā)展，人們在工作和日常生活中產(chǎn)生了大量的圖像數(shù)據(jù)，這能帶給我們豐富多彩的世界，但是對于不同類別的圖像信息，我們會很難對其進行分類，所以我們需要靠圖像分類技術(shù)來進行分類。目前，圖像分類技術(shù)在世界各個領(lǐng)域的應(yīng)用上有著非常重要的發(fā)展，而且對于在圖像檢索方面的發(fā)展會有很好的促進作用。支持向量機是一種線性分類器，是一種新的關(guān)于統(tǒng)計的學習方法，這種新的學習方法對非線性等問題有很好的解決效果，具有很高的泛化能力，因此它克服了傳統(tǒng)的統(tǒng)計分類的很多缺點。而且因為這種新的統(tǒng)計學習方法它推廣能力強，結(jié)構(gòu)也很簡單，所以支持向量機被認為是一個具有很高的效率的分類方法，所以在很多的圖像分類的應(yīng)用領(lǐng)域上，有關(guān)支持向量機的分類技術(shù)就顯得尤為重要，這就使得支持向量機在圖像分類的應(yīng)用領(lǐng)域上有著非常重要的作用。本文主要通過對彩色圖像和黑白缺陷圖像進行灰度直方圖提取和SIFT特征提取，然后利用SVM算法生成模型進行分類預(yù)測，對實驗結(jié)果進行分析，最后將支持向量機算法同其他的三類機器學習方法進行對比。關(guān)鍵詞：支持向量機；圖像分類；特征提??；統(tǒng)計學習；灰度直方圖目錄1.緒論 [20]?？梢园堰@個矩陣看成四個象限，其中在二、四象限的數(shù)值是越多越好，在一、三象限的數(shù)值越少越好。所以，我們可以從上述各個有關(guān)混淆矩陣的圖片中可以看出，使用同一種機器學習圖像分類處理方法分類兩種不同種類的圖像，其中彩色圖像的混淆矩陣中的二、四圖像的數(shù)值要比缺陷圖像的數(shù)值多，混淆矩陣中的一、三象限的數(shù)值要比缺陷圖像的數(shù)值少，這可以得出對于同一種分類方法，彩色圖像分類的準確度要比缺陷圖像的好；使用不同的機器學習的圖像分類處理方法分類同一種圖像，也可以看出基于SVM的圖像分類處理方法會比其他三種機器學習圖像分類處理的方法要好得多。實驗性能分析實驗的性能分析主要考慮所要實現(xiàn)的功能在運行的過程中是否能夠達標，對于一個完整的實驗系統(tǒng)而言，性能的分析是非常重要的。易用性。圖像分類技術(shù)的目的是為了讓廣大的群眾能夠高效且快速的搜索和瀏覽自己想要尋找的圖像信息，不需要花費很多的時間來查找圖像，只需要通過對想要查找的圖像信息所屬的類別進行檢索，通過檢索到的圖像分類信息，就可以很容易的找到自己想要的圖像數(shù)據(jù)。所以，在實驗的設(shè)計過程中，一切都要以用戶的體驗為準，要針對用戶的使用體驗進行設(shè)計，使用戶能夠更加方便快捷的使用。擴展性。圖像分類是以當前的一些需求為目的設(shè)計的，但是由于用戶對于圖像的理解和看法不斷地在發(fā)生變化，而且每個人對圖像都會有不同的理解，就算對同一個圖像，每個人的想法都會不同。所以，為了能夠很好的適應(yīng)用戶的各種問題，我們必須要考慮到這個實驗的擴展性問題。所以我們需要對圖像分類的知識進行更加深入的研究，要達到面對用戶的新的要求時能夠?qū)嶒灥墓δ苓M行擴展和完善。安全性。由于圖像分類技術(shù)會涉及到大量的圖像數(shù)據(jù)，這些圖像數(shù)據(jù)中又會包含大量的信息，這些信息的內(nèi)容有可能會涉及到個別人的隱私，所以對于這些圖像數(shù)據(jù)的處理需要在國家允許的范圍內(nèi)，而且需要符合國家的法律法規(guī)的情況下進行操作的，為了保證這些圖像數(shù)據(jù)信息的安全性，我們必須提高實驗的安全性能?？偨Y(jié)與展望總結(jié)如今，黑白的圖像已經(jīng)被人們所淘汰，出現(xiàn)在人們的視野中都會認為是以前老一輩的圖像，現(xiàn)在，人們經(jīng)?？吹降氖且恍┎噬膱D像，彩色圖像已經(jīng)成為人們交流信息的必經(jīng)之路，因為彩色的圖像更能夠清楚地表達圖像中的內(nèi)容，幫助人們更快的理解圖像中所包含的信息。現(xiàn)在的顏色都會包含特定的含義，比如紅色代表熱情，白色代表純潔，但是，每個人對待事物的看法是不同的，像熱情似火的紅色在有的人看來會代表著脾氣暴躁等性格，這兩種理解是相反的，所以當我們使用不同的分類器對圖像進行分類時，圖像中所包含的信息也會根據(jù)分類器的理解而發(fā)生變化，會使得對于圖像的搜索變得非常的困難，所以我們需要利用相關(guān)的學習知識與SVM分類器相結(jié)合，完成對圖像的分類，有效的解決圖像分類的問題，幫助用戶更加快速的識別和分類圖像，為用戶提供方便。本文采用圖像分類技術(shù)設(shè)計了一個圖像分類實驗，并在其中對支持向量機做出了比較全面的介紹。還采用SIFT特征提取對圖像進行特征提取，并通過SVM分類器對兩種不同種類的圖像進行分類處理和預(yù)測，在實驗中也取得了不同的結(jié)果，從這些結(jié)果中我們就可以看出，選取彩色的圖像，能較大的提高對圖像分類的準確率。展望雖然本論文的研究取得了初步成效，但是還有很長的路要走，還需要針對支持向量機進行更加深入的研究，這是因為支持向量機是有發(fā)展前景的，但是由于支持向量機只能用來就切關(guān)于二分類的問題，不能用來求解關(guān)于多分類的問題，所以這一點就阻礙了支持向量機的發(fā)展。現(xiàn)在關(guān)于多分類的問題，主要是用多個支持向量機相結(jié)合，然后就可以用來求解關(guān)于多分類的問題。然而，這種用來求解多分類問題的方法并不是很理想，所以從針對支持向量機的方法來研究關(guān)于多分類的問題，是下一步的關(guān)鍵所在。人們對圖像的理解是不同的，對于圖像中的特征的理解也是不同的，所以，在以后的研究過程中，人的肉眼所觀察到的圖像，以及對于圖像的理解，會是研究過程中重點需要考慮的。而且可以從人們對于色彩的感知和理解等方面進行更加深入的研究。參考文獻杜二玲,范毅君,李海軍.統(tǒng)計學習理論基礎(chǔ)研究新進展[J].現(xiàn)代工業(yè)經(jīng)濟和信息化,2016,6(18):27-28.XuegongZ,張學工.INTRODUCTIONTOSTATISTICALLEARNINGTHEORYANDSUPPORTVECTORMACHINES關(guān)于統(tǒng)計學習理論與支持向量機[J].ActaAutomaticaSinica,2000,26(1):32-42.孫舒琬.支持向量機算法研究及其在目標檢測中的應(yīng)用[D].山東:山東大學,2017.王振武,孫佳駿,于忠義,等.基于支持向量機的遙感圖像分類研究綜述[J].計算機科學,2016,043(009):11-17,31.KnudIlleris.Anoverviewofthehistoryoflearningtheory[J].EuropeanJournalofEducation,2018,53(1).張松蘭.支持向量機的算法及應(yīng)用綜述[J].江蘇理工學院學報,2016(2):14-17.SiP,WeiH.Researchonanimprovedneuralnetworklicenseplaterecognitionalgorithm[J].ElectronicMeasurementTechnology,2016,39(10):100-103.陶勤勤.基于卷積神經(jīng)網(wǎng)絡(luò)和改進支持向量機的人臉檢測[D].合肥:合肥工業(yè)大學,2016.沈可.基于SVM的蛋白質(zhì)可溶性預(yù)測及HBV中變異的模式分析研究[D].蘇州:蘇州大學,2016.張松蘭.支持向量機的算法及應(yīng)用綜述[J].江蘇理工學院學報,2016(2):14-17.王瑤,徐昌,舒福舟.基于SVM算法的兩種特征提取的圖像分類方法分析[J].電腦與信息技術(shù),2019,027(006):18-20,33.VLADIMIRN.VAPNIK.統(tǒng)計學習理論[M].北京:電子工業(yè)出版社,2004.尹嘉鵬.支持向量機核函數(shù)及關(guān)鍵參數(shù)選擇研究[D].哈爾濱:哈爾濱工業(yè)大學,2016.胡春,胡文,李圣華.支持向量機研究綜述[J].知識窗(教師版),2018(12).易校石.線性可分支持向量機的算法及應(yīng)用[D].重慶:重慶師范大學,2019.謝福民.支持向量機理論研究[J].科技廣場,2011,000(001):6-8.陳永義,俞小鼎,高學浩,等.處理非線性分類和回歸問題的一種新方法(I)--支持向量機方法簡介[J].應(yīng)用氣象學報,2004,015(003):345-354.NandaMA,SeminarKB,NandikaD,etal.AComparisonStudyofKernelFunctionsintheSupportVectorMachineandItsApplicationforTermiteDetection[J].Information(Switzerland),2018,9(1):5.周治平,李文慧,周明珠.基于詞包和特征融合的目標識別算法[J].數(shù)據(jù)采集與處理,2017,32(003):489-496.米愛中,張盼.一種基于混淆矩陣的分類器選擇方法[J].河南理工大學學報(自然科學版),2017,36(002):116-121.沈黎,肖勇,劉鶯.一種基于中文關(guān)鍵字符串