基于svm的食物圖像分類算法的研究

《基于svm的食物圖像分類算法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、縣毛丟觀対圏碩±學位論文胃礫麗基于ＳＶＭ的食物圖像分類算法的研究作者姓名指就議屬獅申請學位類別工學碩壬Ｉ．：ｗ扇西安電子科技大學學位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德，本人聲明所呈交的論文是個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡所知，除了文中特別加Ｗ標注和致謝中所羅列的內(nèi)容１＾外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學或其它教育機構(gòu)的學位或證書而使用過的材料一。與同工作的同志對本研究所做的任何貢獻均己在論文中作了明確的說明并表示了謝

2、意。學位論文若有不實之處一，本人承擔切法律責任。本人簽名：：日期西安電子科技大學關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學有關(guān)保留和使用學位論文的規(guī)定，目Ｐ：研究生在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬于西安電子科技大學。學校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學?？晒颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時本人保證，獲得學位后結(jié)合學位論文研究成果撰寫的文章，署名單位為西安電子科技大學。保密的學位論文在＾年解密后適用本授權(quán)書。＇：＾：ｇ言本人簽名或＾導(dǎo)師簽名／＾＾日

3、；；期日期學校代碼10701學號1304122057分類號TP319密級公開西安電子科技大學碩士學位論文基于SVM的食物圖像分類算法的研究作者姓名：孫浩榮一級學科：控制科學與工程二級學科：控制理論與控制工程學位類別：工學碩士指導(dǎo)教師姓名、職稱：郭寶龍教授學院：空間科學與技術(shù)學院提交日期：2016年2月ResearchonFoodImageClassificationAlgorithmbasedSVMAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMa

4、sterinControlTheoryandControlEngineeringBySunHaorongSupervisor:GuoBaolongProfessorFebruary2016摘要摘要飲食是一種人類最重要的日?；顒又弧Ｈ祟惾粘；顒铀璧哪芰客耆蕾囉诿刻焖鶖z入的食物。隨著人生活水平的逐步提高，人不再滿足于能夠吃的飽，而是開始追求吃的好，吃的健康。近年來，日益高漲的肥胖率，讓人越來越關(guān)注自己的飲食健康。所以針對食物圖像的識別算法研究具有非常重要的意義。圖像識別是圖像研究領(lǐng)域的熱門話題，它廣泛應(yīng)用于人臉識別，計算機視覺，機器人等諸多領(lǐng)域。但是縱觀國內(nèi)近期關(guān)于圖像識別的

5、研究成果，鮮有關(guān)于食物圖像的圖像識別研究。食物圖像背景復(fù)雜，圖像特征復(fù)雜，對食物圖像識別造成了很大的困難。針對食物圖像背景復(fù)雜以及圖像特征難以提取的問題，本文應(yīng)用圖像識別技術(shù)對食物圖像識別進行了研究。主要包括以下幾個方面：1)使用允許用戶在分割圖像上標記前景和背景像素點的GrabCut分割算法對食物圖像進行分割，GrabCut算法使用高斯混合模型來模擬圖像背景與前景，并通過交互手段獲得前景背景標記點，在多次迭代下最終達到良好的分割效果，為接下來特征提取做好了準備。2)本文研究了多種圖像特征，食物圖像形態(tài)各異，內(nèi)容較為復(fù)雜，很難把握事物圖像在紋理和形狀特征上的規(guī)律，所以本文主要研

6、究了基于局部特征點和全局圖像的顏色特征，并驗證了不同特征在食物識別場下的效果。3)面對不斷擴充食物圖像種類面臨的分類器效率下降問題，本文通過圖片顏色索引過濾分類器，提高分類器效率。最后，本文根據(jù)食物圖片識別這個特殊的應(yīng)用場景，提出了一種巧妙的解決方案。首先根據(jù)食物的大體顏色，分為幾個顏色區(qū)間建立索引。這是因為食物顏色可以即簡單又快速的過濾掉很多與被識別圖片明顯不同的食物類別。例如大部分以青菜為主要食材的食物，其主要的顏色為綠色，而大多數(shù)以肉類為食材所做的食物，其主要顏色為紅色。其次，針對食物圖像背景復(fù)雜的問題，使用GrabCut算法對圖片進行分割預(yù)處理，提取出關(guān)心的食物主體，剔

7、除掉會影響分類準確率的背景像素，通過實驗表明，GrabCut算法在食物圖像分割上相比于FCM算法具有明顯的優(yōu)勢。然后對分割出來的食物目標提取SURF特征點，并使用bagoffeature模型提取出圖像的bagofSURF特征。最后，使用提取出來的圖像特征，通過SVM機器學習算法對每一類食物圖片進行訓練，使用oneVSrest策略構(gòu)建食物圖像分類器。在設(shè)計分類器時，通過提取的食物圖像顏色索引，可以過濾掉一些與被識別圖像明顯不同的分類器，進一步提升了算法的性能。該方法是對食物圖像識別的一次嘗試，