基于SIFT圖像識(shí)別算法的優(yōu)化與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)社交的日漸繁榮，以圖搜圖的需求也在日益增長(zhǎng)，但是圖像搜索引擎在解決圖像識(shí)別的準(zhǔn)確性和匹配速率上有許多不足。為了改善圖像搜索的識(shí)別效果，提高圖像識(shí)別的效率和準(zhǔn)確率，本文主要研究了基于尺度不變特征轉(zhuǎn)換（Scale invariant feature transform，SIFT）的圖像特征提取算法，并編寫了圖像識(shí)別檢索系統(tǒng)。以圖像預(yù)處理為基礎(chǔ)，通過(guò)利用SIFT算法提取圖像特征向量，并對(duì)該算法進(jìn)行優(yōu)化，從而提高識(shí)別性能。針對(duì)SIFT

2、算法對(duì)圖像的識(shí)別率較低和特征向量維數(shù)過(guò)高等方面的不足，本論文提出了利用主成分析法(Principal Components Analysis，PCA）來(lái)降低特征向量的維數(shù)和通過(guò)加入基于支持向量機(jī)(Support Vector Machine,SVM）的機(jī)器學(xué)習(xí)算法，來(lái)提高算法的識(shí)別率，從而提高了圖像識(shí)別系統(tǒng)的性能，并且通過(guò)實(shí)驗(yàn)數(shù)據(jù)表明了SIFT-PCA-SVM算法的有效性。論文最后搭建了一個(gè)圖像識(shí)別系統(tǒng)，該系統(tǒng)能夠從測(cè)試圖像數(shù)據(jù)集中準(zhǔn)確

3、的識(shí)別目標(biāo)圖像。本論文的主要研究?jī)?nèi)容如下：
　?。?）結(jié)合SIFT圖像特征提取算法，分析了該算法的不足，針對(duì)SIFT算法存在特征維數(shù)過(guò)高和識(shí)別率較低等問(wèn)題，提出了一種比較新穎的SIFT-PCA-SVM算法。通過(guò) PCA算法降低 SIFT特征向量的維數(shù)和通過(guò)基于機(jī)器學(xué)習(xí)的SVM算法提高圖像識(shí)別正確率。
　　（2）針對(duì)本文提出的 SIFT-PCA-SVM算法，搭建了一個(gè)圖像識(shí)別系統(tǒng)。通過(guò)構(gòu)建測(cè)試圖像集，對(duì)比兩種算法的有效性。實(shí)驗(yàn)