文档介绍：摘要如何合理而又高效地组织图像数据、并结合图像底层特征,将人工智能及知识发现等技术运用于图像分类中,是计算机视觉研究领域本文在利用计算机视觉观察和理解世界、并以某种程度的智能完成特定任务的研究中做了一些基础工作,对图像特征提取、分类特征选择及分类规则提取等理论和方法进行了研究,促进了图像分类技术与机器视觉、数据库及知识发现等技术的结合。本文所做的研究工作包括以下几个方面:图像分类中需要选取出具有平移、缩放和旋转不变性的特征,本文首先描述了一些常用的图像颜色、纹理和形状特征,并对这些特征进行了分析然后,分析了决策树算法中的两种分类特征选择标准,提出了基于类间特征整体分布关系的特征选择标准。通过基于类间差异的分类误差定义,给出了若干分类特征相关的概念定义,为后续决策树构建研究建立理论基础。提出了基于样本整体分布的决策树生成算法,并对算法进行了性能分析和优化,同时也讨论了多类对象数目的增减对决策树的影响。接着分析了特征空间中不同区域内的分类规则,通过在决策树的构建过程中引入先验知识,提出了带误差权值的决策树、以及建立在其基础之上的分类规则提取方法。最后,通过实验对本文提出的分类方法进行验证,并结合实验结果评价了分类算法的错误率、精度和可理解性。关键词:图像处理,分类误差,决策树,多特征分类的~个热点问题。
篿,,瑂瓵,..猣’..,.,,琧,
第一章绪论选题背景提出了根据生物特征对人进行识别的图像处理技术。人类所具有的生物特征包括指纹、虹膜等。通过图像采集设备获取人的这些生物特征,并对这些特征进行图于工人的疲劳和不同的主观判断标准,有可能会漏掉真碌拇纹罚笔止ぬ粞随着基于耐枷袷莺A吭龀ず凸惴河τ茫枷穹掷嗉际跤爰扑慊网络、机器视觉、数据库及知识发现等技术的结合同益增强。如何合理、高效地组织图像数据,并结合图像底层特征,将人工智能及知识发现等技术运用于图像分类中,已成为研究的新热点。图像分类其本质还是从内容分析入手,寻找一个较好的方法来缩小底层特征和高层语义之间的联系川。可以发现,在缩小图像领域范围的基础上,综合考虑多种特征,学习自动建立每类图像的特征模型,并利用特征模型问的差异达到区分的目的。图像的自动分类在许多应用领域都是一项关键任务,这些领域包括基于内容的图像检索珻、因特网数据过滤、医学应用、基于机器视觉的工业检测等。随着计算机技术以及遥感、军事、气象、工业检测等图像应用领域的飞速发展,图像技术的应用尤其是图像识别和分类技术的应用,在以下方面得到了快速发展。遥感:遥感是指远距离不接触而获取物体信息的一种技术。遥感信息主要指通过遥感卫星所拍摄到的图像,通过对遥感图像的处理和识别,在军事上可以帮助军方快速的找到机场、公路、桥梁等关键设施,也可以让人们随时了解荒漠植被的生长情况以及森林火警等。生物特征识别:随着安全意识的增强,人们根据人类自身生物特征的唯一性,像处理,然后将处理结果和预先存贮在数据库内的信息进行比对就可以实现识别的功能。图像检测:随着自动化技术的飞速发展,人们对生产的自动化要求越来越高。产品在生产的过程中,不可避免的会产生次品,如果单靠工人进行视觉判断,由的速度远远低于生产速度,从而单靠工人的手工挑选远远无法满足生产的自动化要求。因此产品的自动化检测技术随之产生,通过对生产线上的产品一一采集图像,并对其进行实时图像处理,可以自动判别产品的合格与否,大大的提高了生产率。将图像处理技术和人工智能技术相结合的智能系统除了应用在图像数据库硕十学位论文
研究现状只能增强某种信息的辨别。这类方法通常称为图像增强技术,第二类方法能提高干互不交迭的有意义区域的集合,每个区域的像素有着相同的特性。图像分割的检索上、卫星或红外图像的分析、医学诊断上的细胞分类,在基于机器视觉的分拣系统幸材懿艽蟮淖饔茫远崛〈旨鹞锾宓哪J剑比徽庵钟τ檬比较简单的,但是必须根据实际应用的特点挖掘合适的分类模式。对于利用视觉进行自动识别分类的系统来说,如何处理获得的图像信息,从中提取出能用于分类的有效信息,是一个机器视觉系统的核心。通常在实际应用中,针对不同的需要,对物体的分类有不同的要求。在一个基于机器视觉的分拣系统中,对物体的识别实际上是对所获得的图像进行分析,得到物体之间进行区分和识别的关系和准则。基于特征学习的图像分类是本文研究的重点。.枷翊随着计算机技术的发展,数字图像处理技术也得到了快速发展,它的理论和方法更加完善,其精确性、灵活性和通用性也大大提高,目前已经广泛应用于通信、医疗、遥感、宇宙探测、工农业生产等领域。随着图像处理技术的深入发展,人们开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界,被称为图像理解或计算机视觉。图像理解是由模式识别发展起来的方法,该处理输入的是图像,输出的是一种描述。这种描述不仅是单纯的用符号做出详