详情

原文传递基于支持向量机的图像分类研究

论文题名：	基于支持向量机的图像分类研究
关键词：	施工道路;图像分类;信号识别;支持向量机
摘要：	本文研究基于支持向量机(support vector machine，SVM)的图像分类问题，主要针对施工道路图像。运用支持向量机分类的技术，判断施工道路是否干净。施工道路经常有车辆经过，特别是施工车辆，所以很容易布满灰尘。每当有车辆经过，路面就会扬起漫天的灰尘，行人成为“吸尘器”，车辆也会把这些尘土带入城市，影响城市的整洁。一旦道路灰尘达到一定程度，工方就必须派人去清扫。但施工道路受灰尘污染的频率高和不确定性大，导致人力监测的困难。本文提出一种基于SVM的图像分类、可以对道路实时监测的系统。系统会不断地从摄像头中提取图像，进行图像分类，判断是否达到需要清扫的程度，具有指导工方清扫道路的实际意义。　　在基于SVM的图像识别分类中，图像的特征提取的有效性和准确性直接关系到系统的最终结果。由于道路上常有车辆和行人经过，会影响系统对道路特征的提取，因此系统必须先对图像进行分割，把道路与其他分割开;其次识别出道路部分;接着对道路进行特征提取。系统采用道路像素均值、方差、歪斜度、峭度作为特征。在图像分割中，本文比较多种显著性检测和聚类分割方法，选择更优的分割方法并提出一种结合显著性检测方法和聚类分割的算法，该方法能提高道路提取的精度。该系统算法复杂度低，高效准确。施工地基本都有这个困扰，所以系统应该有很好的市场前景。
作者：	汪斌
专业：	应用数学
导师：	张泽银
授予学位：	硕士
授予学位单位：	浙江大学
学位年度：	2013
正文语种：	中文