摘 要：為了保證圖像內(nèi)容檢索技術(shù)的有效性和實(shí)用性，利用Matlab的圖形用戶界面設(shè)計(jì)了一種能夠檢索原型系統(tǒng)的快速方法，該用戶界面在開(kāi)發(fā)工具和適合小樣本學(xué)習(xí)的支持向量機(jī)機(jī)器學(xué)習(xí)系統(tǒng)中提出了系統(tǒng)的開(kāi)發(fā)過(guò)程。這些提高了系統(tǒng)的開(kāi)發(fā)的效率，促進(jìn)了科技的進(jìn)一步發(fā)展。

關(guān)鍵詞：SVM；Matlab開(kāi)發(fā)圖像；支持向量機(jī)；圖形化用戶界面

在科學(xué)技術(shù)不斷的發(fā)展中，互聯(lián)網(wǎng)和多媒體技術(shù)也在快速的更新，人類對(duì)于獲取和應(yīng)用的圖像數(shù)據(jù)類別以及數(shù)量的需求在不斷的上升。因此對(duì)于圖像內(nèi)容檢索的使用越來(lái)越重視，它能夠?yàn)橛脩艨焖?、?zhǔn)確的提供需要的圖像，該系統(tǒng)融合了圖像處理、人工智能、模式識(shí)別以及機(jī)器學(xué)習(xí)等高端的圖像技術(shù)?；趦?nèi)容的圖像檢索在圖像搜索引擎、商標(biāo)注冊(cè)、遙感影像的查詢得到普遍的應(yīng)用，在圖像應(yīng)用領(lǐng)域能夠?yàn)楣芾砗Ａ繄D像數(shù)據(jù)資源提供先進(jìn)的技術(shù)，由于在檢索新技術(shù)以及圖像中需要測(cè)試環(huán)境或者是模擬工具，這就推出了機(jī)器學(xué)習(xí)方法的應(yīng)用，來(lái)提高圖像內(nèi)容檢索技術(shù)，本文利用圖像內(nèi)容檢索原型系統(tǒng)的方法，根據(jù)它自身?yè)碛械奶攸c(diǎn)：功能的強(qiáng)大、簡(jiǎn)單易學(xué)和編程效率高的優(yōu)勢(shì)Matlab語(yǔ)言進(jìn)行開(kāi)發(fā)。最終利用Matlab開(kāi)發(fā)出環(huán)境提供的圖形化用戶界面，該技術(shù)能夠降低相似圖像瀏覽、相關(guān)圖像之間的標(biāo)注等復(fù)雜性，從中提倡機(jī)器學(xué)習(xí)方法—支持向量機(jī)與Matlab集成使用，能夠?yàn)樘幚韴D像進(jìn)一步的發(fā)展做出了貢獻(xiàn)。

1 支持向量機(jī)

支持向量機(jī)是Vapnik等在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論以及結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理中提出來(lái)的一種機(jī)器學(xué)習(xí)，該向量機(jī)能夠解決小樣本、非線性以及高維模式識(shí)別中的問(wèn)題。其中主要表現(xiàn)在：

線性SVM它是從線性可分的情況中發(fā)展的，在圖像的處理中主要運(yùn)用非線性原理進(jìn)行，利用核函數(shù)K（x，y）與相聯(lián)系的非線性變換將學(xué)習(xí)樣本映射到高維空間。能夠在空間中變?yōu)榫€性解決，這種方法能夠減少計(jì)算的復(fù)雜程度，它在空間中構(gòu)造了一個(gè)最優(yōu)分類超平面與目標(biāo)函數(shù)接近，并且在核函數(shù)的計(jì)算中克服高維空間中帶來(lái)的問(wèn)題，最終能夠有效的控制學(xué)習(xí)機(jī)函數(shù)集的容量，更好的發(fā)揮SVM的使用效果。

2 系統(tǒng)設(shè)計(jì)

在系統(tǒng)中的設(shè)計(jì)是對(duì)圖像內(nèi)容檢索原型系統(tǒng)的體系進(jìn)行分析，如圖1所示：

其中在查詢界面中：Matlab能夠?qū)Σ樵円约敖Y(jié)果圖像瀏覽界面有著重要的作用，Matlab內(nèi)置了大量的矩陣處理、圖像可視化函數(shù)以及各類工具箱。在面向?qū)ο蟮木幊谭椒ê头奖愕膱D形化用戶界面設(shè)計(jì)中，最終實(shí)現(xiàn)了基于內(nèi)容的圖像檢索原型系統(tǒng)的開(kāi)發(fā)環(huán)境；在數(shù)據(jù)管理中，整個(gè)系統(tǒng)通過(guò)Matlab語(yǔ)言編寫相應(yīng)的算法來(lái)提取圖像特征并且分成特征庫(kù)和索引庫(kù)，這兩個(gè)庫(kù)對(duì)于圖像的存儲(chǔ)有了保障，之后運(yùn)用圖像的顏色、文理以及形狀的特征生成直方圖和維直方圖，這樣為圖像的形狀提供了有效的控制性；而在檢索算法中，該系統(tǒng)能夠提供特征的相似性度量和基于SVM的相關(guān)檢索方法。在檢索方法中利用LIBSVM中的Matlab接口工具箱來(lái)提供對(duì)應(yīng)的函數(shù)表示。

3 系統(tǒng)的實(shí)現(xiàn)

在基礎(chǔ)內(nèi)容檢索系統(tǒng)中，采用的是Matlab開(kāi)發(fā)的環(huán)境以及編程語(yǔ)言，最終實(shí)現(xiàn)了Matlab的優(yōu)勢(shì)，為加強(qiáng)原型系統(tǒng)的有效性做出保障。根據(jù)測(cè)試數(shù)據(jù)、檢索過(guò)程、性能評(píng)價(jià)進(jìn)行具體的研究。在測(cè)試數(shù)據(jù)中，借用遙感圖像的處理增強(qiáng)圖像的分辨率；在檢索過(guò)程中，針對(duì)每一類數(shù)據(jù)、進(jìn)行隨機(jī)的選擇，利用相似度量能夠從小到大的進(jìn)行檢索結(jié)果的排列，這樣用戶就能夠根據(jù)檢索結(jié)果來(lái)分辨標(biāo)記相關(guān)和不相關(guān)的圖像，最終生成出樣本集來(lái)訓(xùn)練SVM分類器，掌握了最初的最有分類超平面，將每次的標(biāo)記樣本進(jìn)行分類標(biāo)記，然后進(jìn)行集中，這些步驟就為支持向量機(jī)分類的結(jié)果做出保障，能夠提供檢索的結(jié)果。然而在性能評(píng)價(jià)中系統(tǒng)采用的是查準(zhǔn)率進(jìn)行評(píng)價(jià)，在計(jì)算返回結(jié)果中，根據(jù)分段進(jìn)行檢索查準(zhǔn)率，最終根據(jù)多次檢索查準(zhǔn)率的平均值來(lái)確定的性能評(píng)價(jià)結(jié)果。

4 總結(jié)

本文在圖像內(nèi)容檢索原型系統(tǒng)進(jìn)行具體的分析，能夠?qū)⑾到y(tǒng)中的主要功能分類研究，將圖像的顏色、分辨率、紋理逐一的處理，能夠?qū)VM在Matlab中進(jìn)行實(shí)證應(yīng)用，為圖像的特征模型以及各個(gè)功能的應(yīng)用做出了檢索處理，為圖像理解、人工智能、模式識(shí)別以及機(jī)器學(xué)習(xí)等各個(gè)領(lǐng)域額定發(fā)展做出了貢獻(xiàn)，并且將遙感影像廣泛的應(yīng)用，為提高我國(guó)圖像檢索技術(shù)的研究和發(fā)展提供了更高的平臺(tái)，建立了新型的測(cè)試環(huán)境和模擬工具。

[參考文獻(xiàn)]

[1]周貫斌，蔡氏杰，王佳俊.基于最小二乘法的文檔圖像傾斜檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用于軟件，2011（13）.

[2]李青峰，付忠良，張小輝.基于改進(jìn)Hough變換的文本圖像傾斜校正方法[J].計(jì)算機(jī)應(yīng)用，2010（27）.

[3]文永華，段會(huì)川.基于圖頁(yè)面前景和最小二乘法的傾斜校正[J].計(jì)算機(jī)工程，2011（31）.

[4]徐淑萍，劉衛(wèi)國(guó).基于圖像中心加權(quán)特征的圖像檢索[J].計(jì)算機(jī)應(yīng)用于軟件，2009（23）.

[5]張永生，羅冠軍.煙感圖像數(shù)據(jù)基于內(nèi)容查詢的研究[J].遙感學(xué)報(bào)，2012（24）.