基于支持向量机的图像处理方法研究-控制理论与控制工程专业论文.docxVIP

基于支持向量机的图像处理方法研究 学 科： 控制理论与控制工程 研究生： 郭勇 （签名: ） 导 师： 郑 岗教授 （签名: ） 刘 涵副教授 （签名: ） 摘 要 支持向量 机 (Suppo rt Ve cto r Machines, SVM )是 Va pn ik 等人提 出的一类 新型机器 学习方法 ， 由于 其 出色的学 习性能 ， 该技术己 成为机器 学习界的 研究热点 ， 并在 很 多 领域都得 到了成功 的应用 ， 如人脸检 测、 手写 体数字识 别、 文本 分类等 。 这些领域 大 多集 中在 模式 识别 方面 ，但 是作 为一 种新 兴技 术， SVM 在很 多应 用领 域的 研究 有 待 探索和完 善，本文 在此研究 背景下， 利用 SVM 理论的一 个重要分 支支持向 量回 归 机 (Su ppo rt Vecto r Reg r ession , SVR )理论，在 图像除模 式识别以 外的方面 的进行了 研究 ， 主要研究 如下： 1 ： 介 绍了支 持向量机 的基础统 计学习理 论以及 SVM 的 基本 算法，提 出了基 于 SV R 理论 的图像表 示方法； 2 ： 把传统 的图像处 理方法应 用到 SVR 图像中取 得了一定 的效果 ， 如图像几 何变 换、图像 高斯滤波 、图像增 强， SVR 图像的数 据压缩与 恢复， 为 SV R 作为图 像研 究 的工具打 下了很好 的基础； 3 ：利用最小二乘支持向量机的回归特性，对图像像素邻域的灰度值进行曲面 拟 合 ，建立 了 图像邻域 灰度数据 与邻域坐 标的关系 ，推导出在 最小二乘 支持向量 机意 义 下的图像 梯度和零 交叉算子 ，在此基础 上提出了 应用最小 二乘支持 向量机进 行图 像 边 缘提取的 方法，实 验证明利 用该方法 提取图像 边缘结果 令人满意 。 4 ：根据小波阈值去噪的基础，将最小二乘支持向量机应用到小波图像中，推 导 了用于图 像去噪的 滤波算子 ，在此基础 上提出了 基于最小 二乘支持 向量机结 合小 波 变 换的图像 去噪方法 ，实验证明 该方法能 有效的去 除图像的 高斯噪声 ，保留图像 的细 节 。 关键 词 ： 支持向量 机，最小 二乘支持 向量机， SV R 图像， 图像边缘 提取，图 像去噪 RESEARCH ON IMAGE PROCESSING BASED ON SUPPORT VECTOR MACHINES Speciality: Control Theory and Control Engineering Candidate: Guo Yong (Signature: ) Supervisor: Prof. Zheng Gang (Signature: ) Associate Prof. Liu Han (Signature: ) ABSTRACT S u p por t Vec t or M a ch in e s (SV M) i s a k i nd of nov el machine learning me thod s which has beco me the ho tspo t o f ma ch in e le arning becau se o f exce llen t l e arn ing p e rfor man ce . It a l so h a s suc c e s sful appli e d in so me fie l d s which are al most pattern recogn ition, such as fac e d et ecti on, han d wri tin g digit recog n ition, text cate go riza ti on, etc . Bu t a s a n e w techn ique , SVM al so has ma n y appli cat ion fi eld s th at need to b e resea r che d . In th is thesis, I mage p r ocessing has been research ed u s ing the th eo ry o f Su pp ort Ve cto r Reg r ession based on th is researching env i ron men t. The correspond ing wo rkin g are g i ven as follo ws: Th e algo ri t