1、 本科毕业设计（论文）开题报告本科毕业设计（论文）开题报告 学院 电子工程学院 专业 电子信息科学与技术 班级 学生姓名 学号 班内序号 指导教师姓名 所在单位 电子工程学院 职称 副教授 设计（论文）题目 （中文）基于支持向量机的图像分类算法研究 （英文） Research of image classification algorithms based on SVM 1. 选题的背景和意义选题的背景和意义 现今图像分类是很多领域都需要研究的问题， 图像分类技术已经广泛应用于现代社会生产生活的 方方面面，与我们的生活息息相关，应用广泛。特别是图像的合理分类对提高基于内容的图像检索结 果的准确
2、性具有十分重要的作用。随着计算机技术和数字化图像技术的发展，图像数据库的规模越来 越大，人们逐渐将研究的重点转移到基于图像内容分析的自动分类研究上。近年来，许多研究人员对 图像的分类进行了深入研究，并提出了各种解决方案。 图像分类问题是指提取图像特征信息，如图像颜色特征，纹理特征，轮廓特征等，并且以这些特 征信息作为分类依据，使用各种分类器以及分类算法进行分类操作，图像分类问题是模式识别，机器 学习，计算机视觉等领域的研究难点和重点，具有较大应用价值。图像分类作为图像处理的基本任务 之一，快速而准确的图像分类技术，对后续的图像目标识别、图像目标跟踪、图像内容分析等更高级 视觉信息处理应用，将起
3、到十分重要的支撑作用。 高效地对图像内容进行分类己经成为现代社会生活的迫切要求，也是图像处理研究重点之一。目 前，改进的和新提出的分类方法层出不穷，如何找到较优的方法是研究者们共同的目标。 学习并研究基于支持向量机的图像分类算法，了解图像分割，图像处理的基本算法和知识，SVM 算法基本知识， 并用于图像分类。 通过对基于支持向量机的图像分类算法研究， 优化现有的图像分类， 从而达到高效地对图像内容进行分类 2.研究的基本内容和拟解决的主要问题研究的基本内容和拟解决的主要问题 2.1 研究的基本内容研究的基本内容 1）对目前图像分类检索，图像分类算法，支持向量机等做综合性了解分析 2）深入学习
4、MATLAB，数据挖掘等相关专业知识 3）参考理解现有相关论文的算法和思路，以便拓宽今后研究工作的思路 4）比较分析各类分类器，如朴素贝叶斯，Logistic 回归，决策树，SVM，径向基网络，相关向量 机，深度卷积神经网络等多类分类器的优缺点，选出最优分类器或组合分类器进行图像分类 5）在已有的数据库及算法的基础上，对已有图像分类算法进行优化，从而达到高效地对图像内 容进行分类 2.2 拟解决的主要问题拟解决的主要问题 1）根据资料查询以及测试图像分类结果，寻求最优分类器或者组合分类器 2）优化现有图像分类算法，高效地对图像内容进行分类，提高基于内容的图像检索结果的准确性 3.研究方法及措施研究方法及措施 根据本课题的研究内容和拟解决的主要问题，主要采用以下方法进行研究： 1）文献阅读：在课题的准备阶段，对于不熟悉的专业名词及专业知识，可以进行充分的文献阅读， 学习与研究相关的知识，多多研摩有关图像分类算法的文献，以获取更加全面的认识，更深刻的领 悟，在文献中寻找可能的解决办法。 2）研讨讨论：本课题由本人独立完成，在遇到瓶颈时可以找学长讨论，邀请指导老师参与，充 分交流意见，以
