基于支持向量机的语义图像分类研究.pdf

第。2O卷 第2期 计 算 机 技术 与发 展 Vo1．20 No．2 2010年 2月 COMPUTERTECHNOLOGY AND DEVELOPMENT Feb． 2010 基于支持向量机的语义图像分类研究 李 晶，姚明海 (浙江工业大学信息工程学院，浙江杭州 310014) 摘 要：随着多媒体数据库的不断发展，传统的利用关键词进行图像检索已经越来越不能满足图像检索的需要，基于内容 的图像检索已成为当前的研究热点。对图像的颜色和纹理特征进行提取，融合图像的颜色和纹理特征作为图像的特征向 量，用支持向量机实现图像的低层特征和高级语义问的关联。实验结果表明，多特征的图像检索要比单一的特征检索效 果好，在HSV颜色特征的基础上引人灰度共生矩阵纹理特征后可有效提高检索效率，而且采用支持向量机融合多特征可 成功用于图像的语义的检索。 关键词：支持向量机；HSV颜色特征；灰度纹理特征；灰度共生矩阵 中图分类号：1]P311 文献标识码：A 文章编号：1673—629X(2010)02—0075—04 ResearchofSemanticImageClassificationBasedonSupport VectorM achine LIJing，YAOMing—hal (InformationEngineeringCollege，ZhejiangUniversityofTechnology，Hangzhou310014，China) Abstract：W iththecontinuallydevelopmentofmultimediadatabase．traditionalimageretrivalmethodwhichisbasedonkeywordscanriot satisfymostoftherequirementofimageretrieva1．Inrecentyears，moreandmoreresearchershavetransferredtheirfocusofscientificre· searchesonocntent—basedimageretrieva1．Extracttheoclorandtexturefeatureoftheimage，integratecolorfeatureandtexturefeature asthefeatureveetol~．Usesupportvectormachineocrrelatingimagelow—levelfeaturewithhigh—levelsemantic．Experimentalresult showsthat．theretrievalofil'nagewithmultiplefaeturesisbetterthanthatofinla~ewithsinglefaeture．Theintroductionofgrayscale texturefeatureintoHSV oclorfeaturecna improvetheefficiencyofimageretrieva1．Furthermore，supportvectormachinecanbesuccess- fullyusedinimagesemanticretrieva1． Keywords：supportvectormachine；HSVcolorfaeture；grayscaletexturefaeture；GLCM O 引 言 语义特征提取的基础上，引入了对象和场景之间的逻 基于内容的图像检索技术uJ由于具有传统的文本 辑、情感等高层语义的描述及识别，需要用到知识库和 检索技术所无法比拟的优越性，近年来，已经成为了一 更加有效的人工智能和神经网络技术L4