基于预分类的图像识别分析-计算数学专业论文.docx

重庆大 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV good classification effect. ③ Considering an image matching and recognition method based on SIFT and the random sample consensus (RANSAC) algorithm, used for the recognition process of the image recognition method based on pre-classification method which was proposed by this paper. Using RANSAC algorithm, based on the SIFT matching algorithm, to eliminate mismatched feature points in the matching process. The experimental results on the local affine-invariant image datasets show that this method has strong robustness. ④ Giving the design framework and specific implementation process of the image recognition system based on pre-classification which was proposed by this paper. Doing recognition simulation experiments on the large-scale image library using the open source software packages of LIBSVM in MATLAB. The experimental results show that, the method proposed by this paper can greatly improve the efficiency of image recognition while get high recognition accuracy. Keyword: Image recognition, Image classification, Scale-invariant feature transform, Support vector machine 重庆大学 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 课题研究背景和意义 1 1.2 国内外研究现状 2 1.2.1 图像识别的研究现状 2 1.2.2 支持向量机的研究现状 3 1.3 论文主要研究内容及组织结构 4 2 相关理论介绍 6 2.1 图像识别技术 6 2.1.1 图像识别系统 6 2.1.2 图像模式识别方法 7 2.2 支持向量机 11 2.2.1 线性支持向量机 11 2.2.2 非线性支持向量机 13 2.3 本章小结 15 3 基于预分类的图像识别系统 16 3.1 系统概述 16 3.2 系统框架设计 16 HYPERLINK \l _TOC_250003 SIFT 特征提取 17 HYPERLINK \l _TOC_250002 BoW 特征表示 17 HYPERLINK \l _TOC_250001 SVM 训练 18 3.2.4 匹配识别 18 3.3 本章小结 19 HYPERLINK \l _TOC_250000 4 基于 SIFT-BoW 的图像分类 20 4.1 多类支持向量机 20 4.1.1 一对多方法 20 4.1.2 一对一方法 21 4.1.3 有向无环图方法 21 4.2 算法步骤 22 4.3 实验结果与分析 23 4.4 本章小结 25 5 基于 SIFT-RANSAC 的图像匹配识别 26 SIFT 特征提取 26 5.1.1 检测尺度空间极值点 26 5.1.2 精确定位关键点 30 5.1.3 确定关键点方向 31 5.1.4 计算特征描述符 32 RANSAC 匹配提纯 36 5.3 算法步骤 37 5.4 匹配性能实验与分析 37 5.5 本章小结 43 6 系统实验结果与分析 44 6.1 数据集说明 44 6.2 实验过程 45 6.3 实验结果与分析 45 6.4 本章小结