基于svm的食物图像分类算法的研究

《基于svm的食物图像分类算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、縣毛丢觀対圏硕±学位论文胃礫麗基于ＳＶＭ的食物图像分类算法的研究作者姓名指就議屬獅申请学位类别工学硕壬Ｉ．：ｗ扇西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是个人在导师指导下进行的研究工作及取得的研究成果。尽所知，除了文中特别加Ｗ标注和致谢中所罗列的内容１＾外，论文中不包含其他人己经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一。与同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢

2、意。学位论文若有不实之处一，本人承担切法律责任。本人签名：：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，目Ｐ：研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在＾年解密后适用本授权书。＇：＾：ｇ言本人签名或＾导师签名／＾＾日

3、；；期日期学校代码10701学号1304122057分类号TP319密级公开西安电子科技大学硕士学位论文基于SVM的食物图像分类算法的研究作者姓名：孙浩荣一级学科：控制科学与工程二级学科：控制理论与控制工程学位类别：工学硕士指导教师姓名、职称：郭宝龙教授学院：空间科学与技术学院提交日期：2016年2月ResearchonFoodImageClassificationAlgorithmbasedSVMAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMa

4、sterinControlTheoryandControlEngineeringBySunHaorongSupervisor:GuoBaolongProfessorFebruary2016摘要摘要饮食是一种人类最重要的日常活动之一。人类日常活动所需的能量完全依赖于每天所摄入的食物。随着人生活水平的逐步提高，人不再满足于能够吃的饱，而是开始追求吃的好，吃的健康。近年来，日益高涨的肥胖率，让人越来越关注自己的饮食健康。所以针对食物图像的识别算法研究具有非常重要的意义。图像识别是图像研究领域的热门话题，它广泛应用于人脸识别，计算机视觉，机器人等诸多领域。但是纵观国内近期关于图像识别的

5、研究成果，鲜有关于食物图像的图像识别研究。食物图像背景复杂，图像特征复杂，对食物图像识别造成了很大的困难。针对食物图像背景复杂以及图像特征难以提取的问题，本文应用图像识别技术对食物图像识别进行了研究。主要包括以下几个方面：1)使用允许用户在分割图像上标记前景和背景像素点的GrabCut分割算法对食物图像进行分割，GrabCut算法使用高斯混合模型来模拟图像背景与前景，并通过交互手段获得前景背景标记点，在多次迭代下最终达到良好的分割效果，为接下来特征提取做好了准备。2)本文研究了多种图像特征，食物图像形态各异，内容较为复杂，很难把握事物图像在纹理和形状特征上的规律，所以本文主要研

6、究了基于局部特征点和全局图像的颜色特征，并验证了不同特征在食物识别场下的效果。3)面对不断扩充食物图像种类面临的分类器效率下降问题，本文通过图片颜色索引过滤分类器，提高分类器效率。最后，本文根据食物图片识别这个特殊的应用场景，提出了一种巧妙的解决方案。首先根据食物的大体颜色，分为几个颜色区间建立索引。这是因为食物颜色可以即简单又快速的过滤掉很多与被识别图片明显不同的食物类别。例如大部分以青菜为主要食材的食物，其主要的颜色为绿色，而大多数以肉类为食材所做的食物，其主要颜色为红色。其次，针对食物图像背景复杂的问题，使用GrabCut算法对图片进行分割预处理，提取出关心的食物主体，剔

7、除掉会影响分类准确率的背景像素，通过实验表明，GrabCut算法在食物图像分割上相比于FCM算法具有明显的优势。然后对分割出来的食物目标提取SURF特征点，并使用bagoffeature模型提取出图像的bagofSURF特征。最后，使用提取出来的图像特征，通过SVM机器学习算法对每一类食物图片进行训练，使用oneVSrest策略构建食物图像分类器。在设计分类器时，通过提取的食物图像颜色索引，可以过滤掉一些与被识别图像明显不同的分类器，进一步提升了算法的性能。该方法是对食物图像识别的一次尝试，