论文部分内容阅读
随着互联网社交的日渐繁荣，以图搜图的需求也在日益增长，但是图像搜索引擎在解决图像识别的准确性和匹配速率上有许多不足。为了改善图像搜索的识别效果，提高图像识别的效率和准确率，本文主要研究了基于尺度不变特征转换（Scale invariant feature transform，SIFT）的图像特征提取算法，并编写了图像识别检索系统。以图像预处理为基础，通过利用SIFT算法提取图像特征向量，并对该算法进行优化，从而提高识别性能。针对SIFT算法对图像的识别率较低和特征向量维数过高等方面的不足，本论文提出了利用主成分析法(Principal Components Analysis，PCA）来降低特征向量的维数和通过加入基于支持向量机(Support Vector Machine,SVM）的机器学习算法，来提高算法的识别率，从而提高了图像识别系统的性能，并且通过实验数据表明了SIFT-PCA-SVM算法的有效性。论文最后搭建了一个图像识别系统，该系统能够从测试图像数据集中准确的识别目标图像。本论文的主要研究内容如下： （1）结合SIFT图像特征提取算法，分析了该算法的不足，针对SIFT算法存在特征维数过高和识别率较低等问题，提出了一种比较新颖的SIFT-PCA-SVM算法。通过 PCA算法降低 SIFT特征向量的维数和通过基于机器学习的SVM算法提高图像识别正确率。 （2）针对本文提出的 SIFT-PCA-SVM算法，搭建了一个图像识别系统。通过构建测试图像集，对比两种算法的有效性。实验数据表明，基于改进的SIFT-PCA-SVM算法在图像识别的应用上取得了良好的效果。