基于HOG特征和SVM分类器的图像处理方法及应用研究

摘要

近几年来，人工智能蓬勃发展，各国对人工智能领域的资金，人员投入越来越大，而图像处理作为人工智能领域的一个重要组成部分，也得到了长足的发展和重视，各种图像处理技术和算法层出不穷，图像处理技术给我们带来的便利，在生活工作的很多地方都能感受到，如停车场自动识别车牌，安检自动识别人脸等。本文通过一个实际可行的课题 – 长江流域本地鱼类和外来鱼类的辨别，对基于HOG特征和SVM分类器的图像处理方法及应用进行了研究。在研究开始前，准备了几组不同类别的图片集作为训练集，准备一组图片作为测试图像；对输入的图像进行前处理后，用HOG算法对训练集中的每张图片进行特征提取；然后用SVM分类器对从训练集提取出的图像特征进行分类；最后用HOG提取测试图片的特征，并用训练结果对这组图片进行了预测。仿真实验的结果表明：把基于HOG特征和SVM分类器的图像处理技术应用到鱼类识别这个课题上是实际可行的。

关键词　图像处理 鱼类识别 HOG特征[1] SVM分类器[2] MATLAB 

目录

摘要 I

引言 1

第1章 研究背景与意义 2

1.1图像处理技术的研究现状 2

1.2图像处理技术在生物识别应用中的意义 3

1.3外来入侵物种的危害 4

第2章 长江鱼类识别问题描述 6

2.1 本地物种和外来物种的辨别 6

2.2 长江鱼类识别问题的难点 6

2.3 图像处理技术应用在鱼类识别上的可行性 7

第3章 HOG特征和SVM向量机介绍 8

3.1 HOG特征 8

3.1.1 HOG特征的由来 8

3.1.2 HOG特征的原理 8

3.2 SVM向量机 9

3.2.1 SVM向量机的由来 9

3.2.2 SVM向量机的原理 9

第4章 仿真实验与分析 11

4.1 仿真实验设计 11

4.1.1 鱼类图像的采集 11

4.1.2 图片整理和录入 11

4.1.3 图像处理前准备 12

4.1.4 训练集HOG提取 13

4.1.5 训练集SVM分类 13

4.1.6 测试集HOG提取和测试集预测 14

4.2 实验结果分析 18

第5章 总结与展望 19

5.1 研究总结 19

5.2 对未来的展望 19

参考文献 20

致谢 22