《毕业设计论文基于聚类的智能图像分析算法》由会员分享，可在线阅读，更多相关《毕业设计论文基于聚类的智能图像分析算法（57页珍藏版）》请在金锄头文库上搜索。
1、基于聚类的智能图像分析算法摘要智能图像处理技术在众多领域得到了广泛应用。在具有监控、报警等功能的安防系统中，在自然基因显微系统中，在模式识别系统中等，智能图像处理技术都起到了不可小觑的作用。目前基于内容的智能图像识别与分类技术在准确性具体应用方面还面临着许多难题。本文通过介绍智能图像分析方法及相关算法理论，重点研究以SVM算法为代表的监督分类算法及以k-means聚类算法为代表的费监督分类算法，并结合Hu图像矩不变特征，对图像进行聚类分析及分类。在理论学习的基础上，运用MatLab实现算法并验证应用效果。有监督分类方面，本文采用了提取能够较好的保持图像的边缘、形状等特性的Hu矩不变特征作为训练
2、特征，分类方法采用了基于聚类的SVM算法。在提取出训练样本的特征值后，将其输入SVM的训练网络进行训练。最后将待分类图片输入即可得到分类结果。本文计算出了该非监督分类方式分类结果的准确性，并对其进行了分析与讨论。无监督分类方面，本文采用了k-means分类方法。预先设定好分类的类别数后，输入待分类图片，则系统通过调用分类函数，将自动分类的结果输出。在算法研究的基础上，设计并实现了水果图像智能分析应用系统，具有创建特征值数据库、创建训练网络、图像有监督分类和图像无监督分类等功能。当进行图像有监督分类，即SVM算发分类时，准确率可达到将近70%。关键词 SVM k-means图像分类Intelli
3、gentImage AnalysisBased on ClusteringAlgorithmABSTRACTIntelligent image processing technology has been widely applied in many fields. In monitoring and alarm security system, in natural gene microscope, and in the middle pattern recognition system, intelligent image processing technology has played
4、highly important role.Currently content-based image recognition and classification of intelligent technology are facing many problems in specific application for accuracy. This paper will describes intelligent image analysis method and algorithm theory, meanwhile combines with the same characteristi
5、cs of HU image moments, and focuses on the SVM algorithm for classification and supervision of representatives of the costs of supervised classification algorithms. In the theoretical study, verify the application of results based on the use of MatLab algorithm.In the phase of supervising classifica
6、tion, this paper used Hu moments invariant feature as a training feature that can keep the extracted image edge, shape and other characteristics using SVM-based clustering algorithm. After extracting samples characteristic value, put into SVMs training network to have training. Finally the input ima
7、ge can be classified by the classification results. This paper concludes the approach to the classification of non-supervised classification accuracy of the results meanwhile analyzes and discusses the accuracy.This paper used K-menas classification method in the field of unsupervised classification
8、. After pre-configuring data, put into classified image, and then by calling the classification function, the system will output the results of automatic classification.Based on algorithm, design and implementation of fruit intelligent image analysis application system with a characteristic value da
9、tabase, training network, image supervised classification and image unsupervised classification features. When the image has supervised classification, the SVM classification count classification, the accuracy rate can reach nearly 70%.KEY WORDS SVM k-means Image classificationI目录第一章 绪论11.1智能图像分析概述1
10、1.1.1课题背景11.1.2国内外研究现状21.2聚类分析31.3课题目标及本文研究内容31.3.1预期目标31.3.2主要研究内容31.3.3系统方案41.3.4本文的结构4第二章 技术基础52.1图像特征52.2图像分类方法52.2.1图像分类概念52.2.2图像分类原理62.2.3图像分类方法62.3MatLab及图像智能处理工具箱7第三章 图像矩不变特征提取93.1图像矩不变特征介绍113.2图像矩不变特征提取12第四章 分类算法144.1SVM分类算法144.2k-means分类算法16第五章 基于MatLab的图像分析软件实现195.1软件功能及系统流程195.2关键函数详述19
11、5.2.1图像灰度化195.2.2图像平滑与图像锐化205.2.2.1中值滤波205.2.2.2图像锐化215.2.3Hu矩不变特征值215.2.4SVM神经网络的建立和训练225.2.5k-means分类函数24第六章 系统测试266.1系统界面266.2功能测试及统计306.2.1训练样本306.2.2结果与分析30第七章 结论与展望337.1结果与结论337.2问题与展望337.3心得体会33参考文献35致 谢36北京邮电大学本科毕业设计（论文）第一章 绪论1.1 智能图像分析概述随着我国人民生活水平的提高，数码相机、DV机等摄影器材得到了极大范围的普及，数字图像的数量也在飞速增长，同时
12、，互联网的普及使得人们对于图像检索的需求大大增加。近年来，为了满足人们日益增长的生活、学习、工作、娱乐等各方面的需要，数字图书馆中储存了数以万计的图像。图像处理技术从一开始就是一个基于线性代数、统计理论和物理学之上，具有很强理论背景的研究领域，它需要广泛的基础知识，包括计算机科学、数字信号处理、随机过程和统计数学、矩阵分析、信息论、控制论和最优化理论等。同时，图像处理又是一门与应用紧密结合的学科，应用领域涉及计算机视觉、地理、气象、航空航天、医疗保健、刑事侦查等。1.1.1 课题背景在20世纪初，运用机器来处理图片是一件非常困难的事。但随着计算机硬件、图像获取设备、显示设备的不断改进和各种高性
13、能能工作站的出现，图像处理技术迅猛发展。而信息时代的到来，又无疑使图像处理技术进入了一个更加蓬勃发展的阶段，特别是以多媒体技术、通信技术、信息存储技术和以Internet为代表的计算机网络技术的加速发展以及高清晰度电视的深入应用研究，图像处理技术研究和应用前景更为广阔。数字图像处理所涉及的知识非常广泛，具体的研究方法种类繁多。传统的图像处理技术主要集中在图像的获取、变换、增强、恢复（还原）、压缩编码、分割与边缘提取等方面，并且随着新工具、新方法的不断出现，这些图像处理技术也一直在更新与发展。近十多年来，随着信息技术的发展，图像特征分析、图像配准、图像融合、图像分类、图像识别、基于内容的图像检索
14、与图像数字水印等领域取得长足的进展。这些图像处理技术反映了人类的智力活动，它在计算机上模仿、延伸和扩展了人的智能，具有智能化处理功能，因而称之为智能图像处理技术。其中最具代表性的是图像分类技术以及基于内容的图像检索。图像分类就是利用计算机对图像进行定量分析，把图像中的每个像元或区域划归为若干个类别中的一种，以代替人的视觉判读。图像分类的过程就是模式识别的过程，是目视判读的延伸和发展。图像分类主要用于遥感、医学与军事等领域。以遥感图像分析为例，遥感技术是通过对遥感传感器接收到的电磁波辐射信息特征的分析来识别地物类型的，这可以通过人工目视解释来实现，或是用计算机进行自动分类处理，也可以用人工目视解
15、释与计算机自动分类处理相结合来实现。用计算机对遥感图像进行地物类型识别是遥感图像数字处理的一个重要内容，也是模式识别技术在遥感技术领域中的具体应用。基于内容的图像检索就是根据图像的语义和感知特征进行检索，具体实现就是从图像数据中提取出特定的信息线索（或特征指标），然后根据这些线索从大量存储在图像数据库的图像中进行查找，检索出具有相似特征的图像数据。与传统的基于关键词的数据库检索相比，具有相似度检索、近似检索和要求给出检索结果的集合限制等特点。人们常说“物以类聚，人以群分”。面对数量庞大的图像信息，寻找一种方便快捷、直接有效的对图像进行分类方法已经成为进行图像处理工作的重要基础和必不可少的重要环节，尤其是对于基于内容的图像检索具有极其重要的作用。聚类分析分类方法是先对图像按照某种相似性原则进行聚类，把相似的图像聚合为一类，检索过程在类内进行，从而大大的缩小图像检索范围，就能够达到快速、准确检索图像的目的。1.1.2 国内外研究现状人类从一出生，人眼就在不断地接受、分析和理解周围的景物，这是人类的一种本能活动。在计算机技术的不断发展中，人类更是将这一本能发挥的淋漓尽致。在20世纪70-80年代，图像处理的研究方向主要集
