基于多超平面支持向量机的图像语义分类算法.pdfVIP

维普资讯 第34卷第8期 光电工程 Vo1．34，No．8 2007年 8月 Opto—ElectronicEngineering Aug，2007 文章编号：1003—501X(2007)08—0099—06 ． M ultiple—hyperplaneSVM salgorithm inimagesemanticclassification HUANGQi-hong，LIUZhao (CollegeofElectronicEngineering,UniversityofElectronicScienceandTechnologyofChina，Chengdu610054，China) Abstract：Consideringallenormoussemanticgapproblem betweenthelow—levelvisualfeaturesandhigh—levelsemantic infomr ationofimages，andthefactthattheaccuracyofcontent-basedimageclassificationandretrievaldependsgreatly on the description oflow—levelvisualfeatures，an image semantic classification approach isproposed based on Multiple—hyperplanesSupportVectorMachines(MHSVMs)．Themultiple—hyperplaneclassifier,whichisinvestigated from thecomplexityofoptimizationproblem andthegeneralizationperfomr ance，istheexplicitextensionoftheoptimal separatinghyperplanesclassifier Experimentalresultsshow thattheproposedapproach ismoreaccuratein image semanticclassificationthanotherones，suchasSVM sclassifierusingcolorandtexturalfeatures． Keywords：imageclassification；supportvectormachine；multiple—hyperplanes；imageretrieval 基于多超平面支持向量机的图像语义分类算法 黄启宏，刘 钊 (电子科技大学 电子工程学院，四川 成都 610054) 摘要：由于图像的低层可视特征与高层语义内~-e．_j．-I存在 巨大的语义鸿沟，而基于内容的图像分类和检索准确性 极大依赖低层可视特征的描述，本文提出了一种基于多超平面支持向量机的图像语义分类方法。多超平面分类器 从优化问题的复杂度和运行泛化能力两方面进行研究，是最优分离超平面分类器一种显而易见的扩展。实验结果 表明，本文提 出的方法在图像语义分类的准确性方面要优于诸如采用色彩特征和纹理特征的支持向量机分类器的 其它方法。 关键词：图像分类；支持向量机；多超平面；图像检索 中图分类号：TP391．4 文献标志码；A Introduction With therapid increaseoftheamountofm