基于核的理论在图像分割中的应用

论文摘要

本文分析了3种常用核函数(多项式核、高斯径向核和多层感知器核)的特性和适用场合,介绍了一种基于支持向量机和噪声免除操作的指纹图像分割方法。采用FVC2002指纹数据库在Matlab 7.0环境中进行了多个仿真实验。图像分割是图像处理和分析的关键技术,它的任务就是将目标从背景中分割出来,或者将不同的区域区分出来。但一般的图像分割方法受噪声、分割算法等因素的影响,导致分割后的目标存在部分信息的缺失,与原图像有较大的失真。基于机器学习理论的分类技术是近年来图像分割常用的有效方法,支持向量机技术就是典型应用之一。支持向量机技术可自动寻找对分类有较好区分能力的支持向量,并由此构造出具有最大化类与类间隔的分类器。支持向量机技术对图像的分割效果取决于核函数的选择。本文通过两个仿真实验,对3种常用的核函数特性进行了对比分析,给出了在低维、高维、大样本、小样本条件下,核函数的选择依据。最终以指纹图像的前景/背景分割任务做了实践测试。我们采用指纹图像子块的梯度一致性、灰度均值和方差作为输入特征值,通过支持向量机技术进行分类判断并辅以智能噪声消除操作优化分割结果。实验结果证明了该方法的精确性和高效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 数字图像处理研究的内容
• 1.3 图像分割的一般方法
• 1.4 图像分割的较新方法
• 1.5 本课题的任务
• 第二章 图像分割技术简析
• 2.1 图像预处理技术
• 2.2 图像分割的一般方法
• 2.3 基于特定理论的分割方法
• 2.4 本章小结
• 第三章 核及SVM
• 3.1 核的思想
• 3.1.1 核的定义
• 3.1.2 核的性质
• 3.1.3 几种常用的核函数
• 3.2 支持向量机
• 3.2.1 线性可分情况
• 3.2.2 线性不可分情况
• 3.2.3 支持向量机
• 3.2.4 基于SVM的模式识别研究
• 3.3 本章小结
• 第四章 核的分析及其在图像分割中的应用
• 4.1 核的分析
• 4.1.1 低维模式识别问题
• 4.1.2 高维模式识别问题
• 4.2 指纹图像的预处理
• 4.2.1 中值滤波法在指纹图像去噪中的应用
• 4.2.2 基于SVM的指纹图像的分割方法
• 4.3 本章小结
• 致谢
• 参考文献
• 附录